1. Time
is
data
Livre blanc proposé par la société 10h11 - Mars 2015
#datavisualisation @10h11

3. 3

4. Ce livre blanc a pour vocation d’offrir
un regard différent sur la datavisualisation,
en portant un intérêt particulier aux problématiques
qui nous entourent, quecelles-ciproviennent
denouveaux comportements et usages de la data,
ou encoredemodèlesdecommunicationinédits.
Nous nous interrogerons sur les liens unissant
datavisualisation et comportements humains :
comment ces derniers ont-ils fait émerger un
rapport différent à la « data-information » au sein
de nos sociétés contemporaines ? Quelles données
sont générées, échangées et pourquoi ? Comment
répondre positivement à ce nuage de flux qui nous
entoure ?
Ce paysage créateur de données multiples
est un champ d’exploration inédit, mais également
un lieu d’émergence de nouveaux problèmes
techniques, sociaux et d’usage. Questionner les data
et leurs processus de fabrication, c’est décrire
PRÉLUDE_
4

5. et analyser des comportements sociaux
et biologiques naissants. Enparcourantcelivreblanc,
vousvousapercevrez que l’esthétisme est primordial
dans la datavisualisation et que son objectif
premier « est de rendre certains phénomènes plus
compréhensibles »1
. Vous découvrirez également
une méthodologie et une technique, permettant
d’appréhender la visualisation de données
de manière structurée, afin qu’elle devienne un
levier d’action pertinent et nécessaire dans notre
quotidien numérique et hyperconnecté.
La datavisualisation est autant une histoire qu’une
définition complexe que nous vous proposons
d’explorer en interrogeant nos besoins et nos
spécificités cognitives.
La datavisualisation est enfin un ensemble
de particularités scénaristiques, graphiques et
techniques propres à chaque cas. Nous vous ferons
découvrir un exemple concret de visualisation de
données, de sa création à son exploitation.
5

6. 6
SOMMAIRE_
p.8 p.9
p.10
p.11
p.12
p.13
p.14
p.15
p.16
p.17
p.18
p.19
p.20
p.21
p.22
p.23
p.24
p.25
p.26
p.27
p.28
p.29
p.30
p.31
p.32
p.33
p.34p.35p.36p.37
p.38
p.39
p.40
p.41
p.42
p.43
p.44
p.45
p.46
p.47
p.48
p.49
p.50
p.51
p.52
p.53
p.54
p.55
p.56
p.57
p.58
p.59
p.60
p.61
p.62
3 000 700 100
01_
02_
03
_
04_
05_ 06_
lettres par page
mots par page
lignes par page
chapitres

7. 7
La datavisualisation :
une science à la croisée
deladonnéeetdel’image
01_ p.8
L’étude de la donnée
dans notre société
hyperconnectée
02_ p.14
La datavisualisation :
la réponse aux besoins
émergents
03_ p.24
Méthodologie :
Design de service
et UX design
appliqués aux données
04_ p.34
Sources
05_ p.60
Contact
06_ p.62
lettres par chapitre
mots par chapitre
lignes par chapitre
pages chapitres
moyenne par chapitre :
> 9 477 lettres
> 1 440 mots
> 263 lignes
> 10,6 pages

8. 8

9. 01_
La datavisualisation,
une science à la croisée
de la donnée et de l’image
A. Un art historique
B. Une assise mathématique
C. Un savoir exploitable
D. Une représentation graphique
E. Une réponse aux 3V
9

10. Cartographie :
A New and Acceurat Map of the World, 1961.
LA DATAVISUALISATION :
UNE SCIENCE À LA CROISÉE
DE LA DONNÉE ET DE L’IMAGE_
01_
10
©DR

11. Un art historique
La visualisation de données peut sembler être
un phénomène récent, souvent associé dans
l’imaginaire collectif à la naissance du Big
Data. Pourtant, synthétiser et représenter
des données est un savoir-faire historique.
Dès le XIVe siècle, les penseurs ont mis
en image sous forme d’arbre les systèmes
de pensées des érudits. De grandes
personnalités scientifiques comme William
Playflair, créateur de l’histogramme au
XIXe siècle, ont eu recours à de nombreuses
représentations graphiques telles que les
arbres de science, les arbres généalogiques,
les tableaux accomplis et les tables des matières,
dans le but de diffuser des informations.
Il est ainsi bien plus juste de dire que l’âge d’or
de la datavisualisation ne s’inscrit pas dans
une époque contemporaine, mais bien entre
1850 et 1900.
Une assise mathématique
La théorisation des statistiques, notamment
par Euler au XIXe siècle, et l’utilisation
importante des graphes ont contribué
à associer la visualisation de données
à ce domaine mathématique.
C’est pour cette raison qu’aujourd’hui
encore, lorsque nous cherchons à définir la
datavisualisation, notre première hypothèse
est celle d’une représentation graphique
de données statistiques.
De nombreux chercheurs du XXe
siècle
ont participé à faire perdurer la fausse
idée que de la donnée statistique était la
seule véritable base de la représentation
graphique. Ainsi, d’éminentes personnalités
comme John Turkey (créateur de l’interactive
graphic) ou encore Jacques Bertin
(précurseur de théories mathématiques sur
la datavisualisation dans les années 60) ont
pensé la donnée et l’esthétique graphique
avant tout comme une data mathématique.
Leurs travaux ont cependant été capitaux
pour la réalisation future de programmes
d’exploitations permettant l’élaboration
graphique d’une visualisation de données.
Un savoir exploitable
Il y a encore quelques années, la communauté
dataviz s’accordait sur une définition
universelle de la visualisation de données
« Synthétiser et représenter
des données est un savoir-faire
historique »
11

12. Représentation des flux
de données par la technique
du light painting.
comme étant la mise en forme de data
brutes en un langage esthétique permettant
la transmission, la compréhension et une
rapidité d’appropriation d’une information.
Mais lorsqu’on pense mise en image des
données, il faut aussi penser mouvement
des données. L’arrivée massive de l’Open
Data a en effet permis d’élargir la définition
de la visualisation de données : aujourd’hui,
réaliser une datavisualisation c’est penser
une data qu’elle soit aussi bien statistique,
picturale, sémantique, ou encore linguistique.
Une visualisation de données est une
modélisation de la pensée humaine,
une transformation de data en informations
et en savoirs exploitables.
Pour rendre ce phénomène possible,
la datavisualisation passe en grande partie
par la simplification de la donnée brute
et sa scénarisation en image : une expérience
à la croisée du design et de l’analyse.
Une représentation graphique
Des scientifiques comme Paivio et Clark2
se sont intéressés à la modélisation mnésique
de l’image dans notre cerveau. Ils ont
découvert que l’image est traitée et encodée
deux fois : dans le système verbal et dans
le système visuel. L’image facilite donc la
compréhension. Même si notre cerveau
semble mieux comprendre et retenir une
image qu’un texte, il n’en demeure pas moins
que comme un mot, l’image est un signe.
Cependant, le mot relève du symbole tandis
que l’image s’apparente à l’icône, ce qui la
soumet aux interprétations individuelles,
collectives et culturelles. Une représentation
graphique est donc toujours en lien avec
un contexte de création, d’analyse et
d’observation. Suivant la culture, un chat
noir est associé à un bon ou mauvais présage.
Il en est de même pour les couleurs,
les formes et les textures3
.
Comme le souligne Roland Barthes4
,
l’image et les mots sont toujours en lien,
car ils contribuent à la contextualisation.
Le chercheur Éric Jamet5
confirme que
pour mieux comprendre une image, notre
cerveau a besoin de mots pour contextualiser
l’information et lui donner un sens.
Par l’analyse, la datavisualisation va donc
contextualiser les données et leur donner
un sens iconique par le design.
La visualisation de données n’a de nouveau
que sa terminologie et non son concept.
Pourtant, dans le contexte actuel du Big Data,
le nombre de personnes connectées et notre
rapport aux nouvelles technologies ont fait
12
©KevinDooley

13. émerger des problématiques inédites.
Il est important de les décrire et de les
analyser afin de comprendre l’importance
des données dans notre quotidien
et la nécessité de la datavisualisation
dans nos échanges et prises de décision.
Une réponse aux 3V
La datavisualisation répond à trois difficultés
engendrées par le Big Data et communément
appelées « les 3V » :
— Volume des données
— Variabilité des données
— Vitesse des données
Les data sont créatrices d’un nouvel espace
complexe. En effet, la masse de données
présente et indexée sur internet n’est rien
en comparaison du « web invisible » ou «
web profond », autrement dit les data non
indexées par les moteurs de recherche. Selon
le géant américain Google, le « web profond »,
estimé à un trilliard de pages, serait 500 fois plus
volumineuxquele« webvisible »etdoncseule
0,2%des données seraient indexées sur le web.
Il y a aujourd’hui une véritable
« digitalisation du quotidien »6
. Chaque jour,
nous produisons une grande quantité
de nouvelles données. Nous sommes liés à la
data à chaque instant de notre vie : au travail,
en vacances, pendant notre sommeil, avant
notre naissance ou même après notre mort…
Les individus et les entreprises sont ainsi de
plus en plus en confrontation directe avec de
véritables problématiques de data : comment
contrôler les données que nous produisons
? À qui appartiennent-elles une fois émises ?
Comment se transmettent-elles ? Quels impacts
peuvent-elles avoir sur nos interactions
sociales ? Les data sont au cœur des échanges
humains : nous les créons, les enrichissons et
les diffusons. Par conséquent, nos actions et
nos comportements individuels et collectifs
peuvent être la source d’une démarche
créative autour de la donnée.
De quels comportements s’agit-il ? Quels
nouveaux besoins s’en dégagent ? Quelles
sont les évolutions présentes et futures
de la « data-information » ? Comment
va-t-elle impacter sur notre quotidien ?
Nous vous proposons de découvrir ensemble
ces comportements, de les questionner et
de mettre en avant ces nouveaux besoins
du quotidien, vecteurs d’interrogations
et de solutions novatrices.
La nouvelle génération
numérique, de nouveaux
comportements.
13
©BradFlickinger

14. 14

15. 02_
L’étude de la donnée
dans notre société
hyperconnectée.
A. La donnée produite
B. La donnée synthétique
C. La donnée instantanée
D. La compréhension de la donnée
15

16. L’ÉTUDE DE LA DONNÉE
DANS NOTRE SOCIÉTÉ
HYPERCONNECTÉE_
02_
Surconnexion des usagers due à l’accès facile à internet
et à la démocratisation des smartphones et tablettes.
16
©Pat(Cletch)Williams
©GesaHenselmans

17. Depuis les années 1990 et l’expansion
d’Internet, notre environnement
hyperconnecté a progressivement modifié
notre relation à l’information.
De nouvelles typologies de comportements
ont émergé aussi bien lors des phases
de production que d’échange ou de lecture
de la donnée, produisant des besoins sociaux,
physiologiques, et économiques inédits.
Une grande partie de la population est
aujourd’hui surconnectée, notamment grâce
à la simplification de l’accès à Internet,
à la démocratisation des smartphones et
tablettes ou encore l’émergence des objets
connectés.
En ce sens, l’agence de marketing numérique
Tecmark7
a publié une étude qui nous
apprend que l’on consulte notre smartphone
en moyenne 221 fois par jour, ce qui
correspondrait à 3h16 de notre temps.
À titre de comparaison, l’opérateur
britannique O28
précise dans une autre étude
que nous n’interagissons que 97 minutes par
jour avec notre compagnon.
Sergueï Brin, cofondateur de Google, prédit
que l’hyperconnexion dont nous sommes
sujets pourrait être créatrice « d’un troisième
hémisphère dans notre cerveau »9
.
Les nouveaux usages sur le web, comme les
likes ou les tweets1
, sont désormais assimilés
à des modes de communication à part entière.
Les réseaux sociaux, lieux d’échanges,
deviennent hétérogènes et plus que jamais
un canal entre le virtuel et le réel.
À ce stade, il est nécessaire d’analyser les
comportements que nous pouvons observer
dans les phases de production, de consommation
et d’échange de la donnée.
La donnée produite
> La production naturelle
Comme nous l’avons évoqué précédemment,
nous sommes devenus des producteurs
de données par le biais de la démocratisation
du numérique dans notre quotidien. Nous
produisons de l’information, parfois sans
y prêter attention, sous forme de données
brutes. Même si 80 % des Français sont
conscients qu’ils génèrent une trace
numérique, 70 % n’envisagent pas de
modifier leurs comportements et leurs usages
des outils numériques10
. À première vue,
nous pourrions penser que ce type d’usages
témoigne d’une gestion et d’une production
non maitrisées des données personnelles.
À titre d’exemple, la géolocalisation, les
paiements par carte bancaire et l’utilisation
des moteurs de recherche sont des
comportements générateurs de données
17
« De nouvelles
typologies
de comportements
ont émergé aussi
bien lors des phases
de production
que d’échange ou
de lecture de la
donnée »

18. sur nos modes de vie. Cependant, certains
développent une production maitrisée et
réfléchie de leurs données. Elles deviennent
alors un moyen de communiquer sur soi.
> La production personnelle
Nous n’avions pas idée de compter notre
nombre d’amis, Facebook nous a appris
à le faire. Nous ne mesurions pas le
nombre de kilomètres parcourus dans
la journée, Fitbit le fait pour nous. Cette
méthode de production de la donnée n’est
pas seulement un effet de mode, c’est
l’émergence et l’ancrage d’un nouveau type
de comportement humain. Quels intérêts
avons-nous à être créateur d’un « moi »
numérique ? 11
La pratique du quantifiedself peut être vue
comme un besoin de se connaître soi-même
et une nécessité de maîtriser ses données
personnelles de leur fabrication à leur
diffusion. Ces données sont un moyen de
créer son identité virtuelle pour soi-même et
à destination des autres. C’est la réalisation
d’un autoportrait chiffré : les données
deviennent notre miroir numérique.
Ainsi, certains tentent de mieux maîtriser
leur identité numérique. Une étude du Pew
Institute14
révèle qu’un adolescent américain
sur deux désactiverait la géolocalisation
de son smartphone pour un meilleur contrôle
de ses données. Un équilibre peut-il être
trouvé dans la production de nos données
personnelles ?
La production de data fait appel à de nouveaux
besoins et usages : la compréhension,
le savoir, la comparaison et la compétition.
Non seulement nous sommes créateurs
de nos données, mais nous sommes aussi
lecteurs de celles des autres.
Nos attentes et besoins en terme de lectures
numériques se sont considérablement
transformés. Aujourd’hui, nous souhaitons
davantage de la data rapide et synthétique
afin d’en lire le plus possible. L’émergence
Bracelet connecté
FuelBand de la marque
Nike.
« Les données
deviennent
notre miroir
numérique »
18
©Nike

19. du datajournalisme au sein des plus grands
quotidiens français, conjugué avec une
utilisation plus importante des infographies
pour décrire une situation politique ou
économique, nous interroge sur nos
comportements de lecture et d’analyse des
médias. La consommation de l’information
mute vers une consommation de la donnée.
Le datajournaliste britannique David
McCandless mesure toute l’importance
de prendre du recul par rapport aux données
brutes pour en réaliser des datavisualisations.
« On change d’échelle, il y a toujours des
informations, mais elles sont davantage
liées entre elles. Le savoir, c’est cela : c’est la
connexion des informations entre elles ».12
Demain, il est possible que nous cherchions
à apprivoiser ce qui n’est pas mesurable
aujourd’hui, comme l’humeur, la conviction
ou la motivation.13
Déjà, certains Curriculum
Vitæ prennent la forme d’infographies
regroupant et croisant l’ensemble
des données brutes maîtrisables et
exploitables sur soi-même.
La donnée synthétique
L’utilisation des smartphones et tablettes
a transformé notre rapport à la lecture et
à la recherche d’informations15
. En effet,
le besoin d’une donnée synthétique et
compréhensible est devenu un nouveau
mode de consommation de la data.
Par l’intermédiaire des brèves informatives,
les lecteurs d’aujourd’hui sont devenus de
véritables experts en veille informationnelle.
Cette dernière se définit comme l’ensemble
des stratégies mises en place pour rester
informé tout en y consacrant le moins de
temps possible et en utilisant des processus
de signalements automatisés16
. Parler
de veille informationnelle pour l’utilisateur
mobile est encore récent. En réalité, elle
s’est démocratisée jusqu’à devenir un
comportement social quotidien notamment
par le biais du smartphone. En tant que
consommateur de la donnée, l’utilisateur
d’interfaces mobiles a presque ritualisé son
rapport à l’information. De par cette activité
continue et itérative, il réalise aussi bien
une veille passive, permettant la récolte de
données de manière massive (notamment
par le biais des notifications), qu’une veille
active, favorisant la recherche précise
d’informations.
Il est possible d’envisager un tel
comportement avec d’autres TIC
Séance de sport qui
permet de générer de la
donnée personnelle.
La donnée synthétique est plus rapide-
ment accessible via les appareils mobiles.
19
©DR
©kriskrüg

20. (Technologies de l’Information et de la
Communication) comme l’ordinateur ou les
objets connectés. Ce type de comportements
n’est donc pas spécifique au smartphone : il est
simplement plus visible dans notre quotidien.
Le besoin d’une donnée synthétique est
inhérent à cette nouvelle consommation
de l’information.
Toutefois, cela ne nous empêche pas de créer
une quantité particulièrement importante
de data. À tel point qu’aujourd’hui, les
scientifiques tendent à reconsidérer les
fonctions de l’ADN humain non plus comme
une simple mémoire de notre patrimoine
génétique, mais comme une mémoire de nos
données numériques.
Selon Kenneth Cukier et Viktor Mayer-
Schönberger, respectivement journaliste et
professeur à l’université d’Oxford, « la masse
d’informations disponibles est telle que,
si on la répartissait entre tous les Terriens,
chacun en recevrait une quantité 320 fois
supérieure à la collection d’Alexandrie : en
tout, 1200 exaoctets (millions de téraoctets).
Si on enregistrait le tout sur des CD, ceux-ci
formeraient cinq piles capables chacune
de relier la Terre à la Lune »17
. Le théoricien
Russel L. Ackoff avait lui remarqué qu’à
partir d’une certaine masse de données,
la quantité d’information baisse et devient
mathématiquement nulle. C’est la traduction
algébrique de l’adage « trop d’informations
détruit l’information »18
. Cette réflexion
arithmétique se vérifie dans la sélection
et le traitement numérique de la donnée.
Elle est d’autant plus complexe et aléatoire
lorsqu’il s’agit de l’humain, car l’information
devient alors tributaire de l’attention, ainsi
que de l’ensemble des facteurs affectifs et
émotionnels. Par conséquent, chez l’homme,
l’information devient d’abord une raison puis
une motivation. Une information dénuée
de sens est inutile pour le récepteur humain,
même si elle est acceptable pour un robot.
De même, une information chargée
de sens, mais non animée par une énergie
psychologique est stérile.
Dans le processus qui mène de la donnée à
l’action chez l’homme (données > information
> connaissance > sens > motivation), seules les
deux premières étapes sont prises en compte
dans la formulation de la théorie
de l’information classique.
L’ADN : nouvelle mémoire
des données humaines.
20
©EstitxuCarton

21. Comme le confirme le théoricien
de l’information Kevin Bronstein,
l’ordinateur ne définit l’information que
selon deux valeurs : le nombre de bits et
l’organisation des sèmes (unité minimale
de signification en linguistique). À contrario,
le psychisme fait intervenir des facteurs
dynamiques tels que la passion, la motivation,
le désir ou encore la répulsion, qui donnent
vie à l’information psychologique.19
Le besoin croissant de comprendre la donnée
en un instant provoque l’apparition massive
d’une nouvelle attente : la rapidité,
à la fois d’un point de vue technologique,
mais également vis-à-vis de la donnée.
La donnée instantanée
Il n’est pas rare de voir des personnes perdre
leur self-control face à un ordinateur trop
peu réactif. Une étude réalisée par Crucial,
agence spécialisée dans les problématiques de
stockage et mémoire numérique, indique que
près d’un Français sur deux avoue avoir déjà
agressé physiquement ou verbalement son
ordinateur au cours des six derniers mois.
Par ailleurs, 62,4 % des Français se sentent
énervés lorsque leur ordinateur fonctionne
mal et 26,4 % se sentent impuissants20
.
D’autres études tendent à démontrer que
nous sommes autant impatients vis-à-vis
de l’accès à l’information que lors de la
lecture de la donnée elle-même.
Il est aujourd’hui primordial d’appréhender
l’immédiateté de la data. L’étude de
Phocuswright pour Travel Site Performance
révèle que 8% des visiteurs d’un site
de voyage abandonneront leur navigation
si une page met entre 1 et 2 secondes à
s’afficher. Si le chargement de la page persiste
une seconde de plus, ce chiffre grimpe à 16%,
puis à 31 % entre 3 et 4 secondes et enfin
à 43 % lorsque le temps d’attente dépasse
les 4 secondes21
. L’analyse de l’expérience
utilisateur démontre donc qu’aujourd’hui,
le temps de réponse est devenu une donnée
ergonomique essentielle.
Jean-François Nogier22
, spécialiste en
ergonomie et webdesign, indique que
« le temps de réponse influe sur l’utilisabilité
du logiciel de deux manières. D’une part, c’est
un facteur de stress. L’anxiété de l’utilisation
augmente lorsque le temps de réponse
s’allonge et qu’aucun affichage ne l’informe
des traitements en cours. [...] D’autre part,
le temps de réponse alourdit la charge de
travail, car il oblige l’utilisateur à faire des
efforts pour conserver en mémoire les
informations nécessaires pour continuer
sa tâche ».
Jakob Nielsen23
, également spécialiste
dans l’ergonomie informatique, ajoute que
« la réactivité d’une interface optimise les
performances de l’utilisateur qui n’a pas à
faire d’effort de mémorisation, tout en lui
donnant la sensation d’avoir le contrôle.
Après une seconde, l’utilisateur a l’impression
d’attendre. Un temps de chargement
Un temps de chargement
trop long fait abandonner
la navigation d’un site
internet.
21
©MartinAbegglen

22. de quelques secondes sur un site suffit donc à
lui donner une mauvaise impression.
Si l’attente se répète, l’utilisateur risque
de quitter le site ».
Selon le psychiatre Jean Cottraux24
, « nous
vivons dans une culture de l’impulsivité
de la génération zapping ». L’impatience est
donc aujourd’hui un phénomène à prendre
en compte lors de la diffusion de la donnée.
Nous consommons de la data à tout moment,
n’importe où, rapidement et en grande
quantité. L’ensemble de ces comportements
oblige les entreprises à repenser les contenus,
les outils et les services liés au numérique.
La datavisualisation fait partie de ces nouveaux
moyens pouvant répondre à ces besoins
sociaux émergents : la rapidité et l’accessibilité.
La compréhension de la donnée
Dans son ouvrage « Internet rend-il bête ? »25
,
l’auteur américain Nicholas Carr questionne
l’impact de l’environnement électronique
sur notre état mental et notre comportement
social. Notre cerveau, extrêmement
façonnable, se familiarise très vite aux
nouvelles technologies26
. Avant la révolution
numérique, il s’est ainsi adapté à la naissance
de l’écriture puis de l’imprimerie. Notre activité
cérébrale s’est peu à peu transformée. Nous ne
sommes pas moins intelligents, nous pensons
différemment . En 2009, Gary Small, chercheur
à l’Université de Californie, a comparé l’activité
cérébrale d’internautes novices à celle
d’internautes chevronnés lorsqu’ils utilisent un
moteur de recherche. Il s’est ainsi aperçu que
les plus expérimentés stimulaient plus de zones
de leur cerveau27
.
La numérisation de notre quotidien a
transformé notre cerveau de plusieurs
manières. En 2011, le professeur Betsy
Sparrow28
et son équipe de psychologues
de l’Université de Colombia ont démontré que
notre cerveau enregistre plus facilement
le chemin pour aller chercher une information
que l’information elle-même, ce qui prouve
que notre mémoire visiospatiale (capacité à se
La data à tout moment,
n’importe où.
22
« Il est en effet difficile pour notre
cerveau de faire la différence entre ce
qui est important et ce qui ne l’est pas »
©BradFlickinger
©DR

23. souvenir du chemin emprunté dans l’espace)
a été améliorée.
Cependant, il ne faut pas négliger que la
modélisation cognitive d’une information
mnésique reste plus difficile à construire. En
effet, l’usage d’Internet rend la mémorisation
à long terme plus délicate. La multiplication
des tâches simultanées est en passe de devenir
une pratique cognitive puissante dans cet
environnement digital. Néanmoins, plusieurs
études ont démontré que notre cerveau n’est
pas totalement prêt à gérer le multitâche.
On peut alors s’interroger sur le rôle d’Internet
dans l’amélioration de nos capacités cognitives.
Les travaux de Jérôme Dinet29
, professeur
en psychologie, montrent que les individus
les plus connectés seraient les plus aptes à
modifier leurs mécanismes mentaux et leurs
connaissances afin de s’adapter à des situations
nouvelles. Francis Eustache, directeur de
recherche à l’INSERM, se demande si
« les internautes ne vont pas développer de
nouvelles compétences leur permettant de
rendre plus performante leur mémoire
de travail dans ce type de situation. Ce n’est pas
du tout impossible, notamment en développant
des stratégies rapides qui leur permettent
d’ordonner l’importance des informations à
mémoriser ».
La transmission et la mémorisation des
connaissances sont elles aussi bouleversées à
cause de la masse de data accessible en ligne.
« La profusion d’informations sur Internet
peut être un leurre, car la connaissance a
besoin d’être appropriée et pas simplement
disponible. Avoir à portée de souris des
bibliothèques ou des sites remplis de théorèmes
de mathématiques ne se substituent pas à la
connaissance acquise » souligne Emmanuel
Sander30
, professeur en psychologie.
Or, Internet ne semble pas favoriser pas
cette acquisition. Au contraire, les nouvelles
technologies occasionnent un problème
nouveau à l’attention, processus cognitif
indispensable à l’apprentissage. Il est en
effet difficile pour notre cerveau de faire la
différence entre ce qui est important et ce qui
ne l’est pas. Il est particulièrement compliqué
de fixer son attention durant un processus
d’apprentissage. Pour qu’Internet puisse être
bénéfique à l’apprentissage, des chercheurs
comme Nicole Boubée de l’université de
Toulouse, ou encore Jean-François Rouet,
Directeur de recherche au CNRS, pensent qu’il
est nécessaire de prodiguer une éducation et
une pédagogie du web31
. La datavisualisation
peut ainsi être envisagée comme une solution
permettant la transmission et l’apprentissage des
données importantes.
23
Il est nécessaire de prodiguer
une éducation et une
pédagogie du web.

24. 24

25. 03_
La datavisualisation :
une solution aux besoins
émergents.
A. Une réponse positive à nos spécificités cognitives
B. Un moyen de rendre plus accessible la donnée brute
C. Un moyen de s’adapter à chaque individu
25

26. Nous savons désormais que notre
comportement vis-à-vis de l’information a
été bousculé. À la fois créateurs, médiateurs
et consommateurs de data, nous devons
faire face à de nouveaux besoins. Sur
plusieurs points, la datavisualisation
s’apparente à une alliée de choix pour y
répondre efficacement.
Une réponse positive à nos spécificités cognitives
Comme nous l’avons constaté auparavant,
Internet a un impact important sur la
transformation de nos processus mentaux :
mémoire, concentration, multitâche et
apprentissage sont autant de capacités
cognitives redéfinies pour notre
environnement numérique.
Une étude réalisée par Mindlab
International démontre que lors d’une prise
de décision multitâche, nous utilisons 20 %
de ressources cognitives en moins lorsque
le support est visuel32
. La perception
visuelle, gérée par le cortex visuel qui
analyse le stimulus reçu par la rétine, est
extrêmement rapide dans le traitement de
la donnée picturale. Le MIT appuie cette
théorie grâce à une étude réalisée par le
professeur Mary Potter en 2014.
LA DATAVISUALISATION :
UNE SOLUTION AUX BESOINS
ÉMERGENTS_
« Lire une image revient donc à faire
le choix de la rentabilité cognitive »
03_
26

27. Dashboard de données Crédit Agricole
Société 10h11, 2014.
Il a confirmé la capacité du cerveau humain
à comprendre promptement une image
en démontrant qu’une analyse picturale
ne nécessite que 13 millisecondes de
calcul33
. Selon ce même test, les ordinateurs
n’ont pas encore une capacité d’analyse
d’image aussi rapide. Par conséquent, nous
comprenons un visuel en un minimum
d’effort : lire une image revient donc à
faire le choix de la rentabilité cognitive.
À contrario, l’analyse d’un texte ou d’une
situation n’est pas gérée par le cortex
visuel, mais par le cortex cérébral gauche.
En 2007, le professeur Stanislas Dehaene34
démontre qu’il est beaucoup plus lent et
qu’il a besoin d’une demi-seconde pour
trouver la signification d’un terme. L’un des
avantages majeurs de la datavisualisation
est de faire appel en priorité à ses capacités
visuelles et ainsi augmenter la rapidité de
captation de l’information.
Elle permet de mettre en évidence les
informations essentielles des données
brutes et de les scénariser pour une
meilleure transmission et mémorisation.
Elle devient une solution pour aider notre
cerveau à exploiter une masse importante
de données.
Le professeur Dehaene35
souligne
également que la visualisation de données
est à la fois un processus de mise en
image, une analyse et une gestion de
la donnée. Il est essentiel que ces trois
éléments fonctionnent en parallèle
pour que le lecteur, devenu spectateur,
puisse bénéficier de la plus-value d’une
27
© 10h11

28. datavisualisation. C’est d’ailleurs la
principale difficulté de l’élaboration d’une
visualisation de données : elle ne se résume
pas à un travail visuel, mais en un travail
pluridisciplinaire, intégrant à la fois une
problématique technique, une conception
graphique et une analyse de la donnée
intelligible.
Cependant, choisir un bon dispositif
visuel peut s’avérer complexe, surtout
dans un contexte multidimensionnel
comme le Big Data. Selon Antal E. Fekete,
professeur de mathématiques et de
statistiques, la visualisation de données
permet d’envisager les data sous un angle
nouveau : l’évident est mis en lumière et des
interprétations cachées apparaissent. Son
propos a notamment été illustré par John
Tukey, l’un de ses confrères, qui a déclaré :
« La plus grande valeur d’une image, c’est
quand elle nous oblige à remarquer ce que
nous ne nous serions jamais attendus à
voir»36
.
Comme nous l’avons vu précédemment,
le contexte de consommation de la donnée
répond à une demande exponentielle de
rapidité. Le besoin de comprendre et de
transmettre une information rapidement
est au cœur des attentes de chaque
individu. Par l’infographie et l’analyse
des données, la datavisualisation permet
de maintenir un lien de diffusion simple
et rapide de la donnée et devient, par
exemple, un moyen de réduire le temps
passé sur les écrans.
Elle est une ressource favorisant la
communication entre l’entreprise et ses
clients, entre les membres d’une même
structure ou entre les institutions et les
citoyens. Elle est créatrice d’interaction
entre les individus et une solution pour
répondre aux besoins de communication et
de prise de décision rapide. Elle également
est un atout à la data lui conférant un
pouvoir opérationnel et permettant une
prise de décision intelligente en simplifiant
une donnée complexe.
« Unpouvoiropérationnel
etuneprisededécision
intelligente »
Hiérarchisation des infor-
mations afin de les rendre
accessibles et inattendus.
28
Fête des Lumières, Lyon
Société 10h11, 2014.
©10h11
©TheNewYorkTimes

29. Un moyen de rendre plus accessible
la donnée brute
La donnée est peut-être difficile à
comprendre de par, sa quantité mais
également de par sa qualité. Il peut
être difficile de rendre compréhensible
une donnée technique. En effet, un
flux d’informations trop pointues peut
entraîner le même type de processus
cognitif chez l’homme que lorsqu’il est
confronté à une masse d’informations
importante. La datavisualisation par
l’étude de la donnée va engendrer un
processus de vulgarisation de l’information
par l’image permettant à l’individu une
meilleure compréhension, mémorisation
et concentration lors de la réception de la
data. La scénarisation de la donnée et son
analyse vont permettre d’atténuer les deux
principales difficultés liées à la data :
la quantité et la complexité.
À ce jour, il est même possible d’aller plus
loin et de se servir de la datavisualisation
pour concevoir des services qualitatifs par
la création d’interfaces numériques. Par
exemple, au Canada37
, des chercheurs ont
pu localiser les infections chez les bébés
prématurés avant que les symptômes
visibles n’apparaissent. Pour y parvenir,
ils ont généré un flux de plus de 1000
données/s, combinant seize indicateurs,
parmi lesquels le pouls, la tension, la
respiration et le niveau d’oxygène dans le
sang. En réalisant une datavisualisation des
données issues de ces indicateurs, ils sont
parvenus à établir des corrélations entre
des dérèglements mineurs et des maux plus
sérieux. Michael Bloomberg, entrepreneur
à succès dans l’industrie des données
numériques et maire de New-York, utilise
la visualisation de données pour renforcer
l’efficacité des services publics et en
diminuer le coût. Il a notamment amélioré
la stratégie de prévention de la ville contre
les incendies en enregistrant chaque
année 25 000 plaintes pour des habitations
À New-York, la visualis-
ation de données renforce
l’efficacité des services
publics.
29
©TrainPhotos

30. surpeuplées. La mairie a également créé
une banque de données recensant les
9 000 bâtiments de la ville, complétée par les
indicateurs de 19 agences municipales : liste
des exemptions fiscales, coupures d’eau
ou d’électricité, loyers impayés, etc. Il
est important de préciser qu’aucune des
caractéristiques retenues par les analystes
ne peut être considérée en soi comme une
cause d’incendie, mais mises bout à bouts,
elles sont pourtant étroitement corrélées
avec un risque accru de départ de feu.
Cette expérience a facilité le travail des
inspecteurs New-Yorkais. En effet, par
le passé, 13% seulement de leurs visites
donnaient lieu à un ordre d’évacuation.
Cette proportion a grimpé à 70% après
l’adoption de la nouvelle méthode.
Un moyen de s’adapter à chaque individu
Concevoir une datavisualisation répond
à un besoin de plus en plus important
d’innovation sociale.
Chaque collaborateur ou citoyen est remis
au cœur des échanges et des prises de
décisions : il est reconnu à la fois comme
créateur de la data, mais aussi comme
lecteur actif des données.
Ainsi, la visualisation de données est
une solution pour répondre au besoin
de recentrage sur l’humain et ses
interactions. C’est un outil de mise en
responsabilité des utilisateurs au sein d’un
processus de décision. La réalisation d’une
datavisualisation passe nécessairement par
une analyse contextuelle et intelligente de
la data. Il y a une prise de conscience que
cette data est issue d’interactions humaines
et que lui donner de la valeur, c’est aussi de
lui offrir du sens social.
Tout comme le neuromarketing,
la datavisualisation peut se baser sur des
particularités humaines et cognitives
pour orienter positivement nos actions.
Aujourd’hui, même si peu d’études sur
l’impact de la datavisualisation dans
notre quotidien ont été réalisées, il serait
intéressant de porter la visualisation de
données vers un objectif d’amélioration
de la société et de prise de conscience.
Les dérives numériques que nous avons
pu relever : la perte de la sociabilité
réelle, la baisse de la créativité ou
encore l’information trop simplificatrice
pourraient être rééquilibrées par la
datavisualisation. Cette dernière est un
Une solution entre les data
et les usagers.
30
©DR
©IanSane

31. Dette du gouvernement
central en europe.
Société 10h11, 2015.
moyen efficace permettant de répondre à
l’ensemble des nouveaux besoins énumérés
dans cette étude, à chacun ensuite,
de choisir comment en faire l’usage. Elle est
l’outil de référence en matière d’analyse,
d’interprétation, de communication et
d’exploration de la donnée.
La représentation graphique est moteur
d’innovation et porteuse de connaissances.
Elle évolue naturellement comme une
réponse logique aux comportements et
besoins de la société connectée. Pour aller
plus loin dans notre réflexion, 10h11 et
son pôle Recherche & Développement
contribuent à l’émergence d’études
scientifiques et de recherches centrées
sur les nouveaux usages liés à la
datavisualisation, ainsi que son efficacité
et sa nécessité dans notre monde connecté.
La visualisation de données contribue à
améliorer notre rapport à la donnée pour
modérer sa densité et sa complexité. C’est
une pratique émergente qui s’harmonise
avec les phénomènes sociaux et cognitifs
de la data dans notre société.
Cependant, il est indispensable de
s’appuyer sur des méthodologies et des
techniques existantes pour la mise en place
de datavisualisations efficaces.
31
©10h11

32. 32
Datavisualisationdelarécurrenced’utilisationd’unmotdanslecontenudulivreblanc.
L’épaisseuretlatailledescerclesvarientenfonctiondunombred’utilisations.
CONVERGENCE RADIALE
SEGMENTÉE_ algorithme par Boris Muller

33. 33
Datavisualisation Donnée
Comportement Image
Information Besoin Analyse
x50 x64
x18 x22
x33 x18 x16

34. 34

35. 04_
Méthodologie :
Design de services
et UX design
appliqués
aux données
35

36. 04_
MÉTHODOLOGIE :
DESIGN DE SERVICES
ET UX DESIGN APPLIQUÉS
AUX DONNÉES_
Nous avons constaté que de plus en plus
d’entreprises souhaitent travailler avec
leurs données et ont pris conscience que la
datavisualisation peut les aider à produire un
rendu plus compréhensible et plus accessible.
Cependant, lorsqu’elles démarrent en interne
une réflexion à ce sujet, de nombreuses
questions émergent : quel set de données
dois-je utiliser ? Comment puis-je innover
dans le rendu visuel ? Dois-je choisir une
solution existante ou imaginer un outil sur
mesure ?
L’équipe de 10h11 est confrontée au quotidien
à ces problématiques. Pour y répondre, nous
avons décidé de construire une méthodologie
de travail pour aider les entreprises à
structurer leur réflexion autour de la donnée.
Phase de récolte,
aucune piste n’est à écarter.
36

37. PROBLÉMATIQUE
DONNÉES
CLIENTS
OPEN
DATA
DONNÉES
PARTENAIRES
2 3 41
Création LivraisonDécouverte
Idéation / Croquis / Recherches Itération / Prototypes / Conception
Définition
Méthodologie en double diamand
Quatre grandes étapes distinctes se succèdent de façon logique.
La démarche va de la plus abstraite à la plus concrète et vise à appréhender au départ la complexité inhérente au projet, à ouvrir ensuite sur
toutes les solutions possibles, puis à resserrer pour sélectionner la solution la plus prometteuse
et l’affiner au fur et à mesure au moyen des tests et de la co-création.
_
/ DÉMARCHE
37
Mettrel’accentsurleserviceetl’ergonomie
La visualisation de données est un savoir-
faire qui demande un design de service
personnalisé ainsi que sur une expérience
utilisateur en adéquation avec les spécificités
des sets de données.
Le design de services est l’application de
la démarche et des compétences issues du
design au développement des services.
Il s’agit d’une approche pratique et créative
pour améliorer les services existants et en
créer de nouveaux.
Le design d’expérience utilisateur (UX design)
est une façon nouvelle et radicalement
différente de penser les dispositifs
numériques. Il modifie profondément les
méthodes de travail, l’organisation et les
compétences des équipes de projet. Le design
d’expérience utilisateur est une démarche
pragmatique, pluridisciplinaire, orientée vers
la résolution des problèmes et résolument
tournée vers l’innovation.
Ledoublediamantauservicedeladonnée
Pour construire notre méthodologie, nous
nous sommes naturellement appuyés sur le
principe du double diamant.
Le principe du «Double Diamond» a été
développé au Design Council (Royaume-Uni)
en 2005 en tant que moyen graphique simple
pour décrire le processus de conception.
Divisé en quatre étapes distinctes
(la découverte, la définition, la création
et la livraison) le schéma met en lumière
les différents modes de penser que les
concepteurs utilisent.
Adapté à la problématique de traitement
de la donnée, le schéma devient un guide
pratique pour envisager la conception un
outil de visualisation de données.

38. DONNÉES
CLIENTS
OPEN
DATA
DONNÉES
PARTENAIRES
21
Découverte Définition
38
Le premier diamant est l’étape où l’ensemble
du matériel récolté va servir de base à
la génération des idées. Désignée par le
néologisme « idéation », elle consiste à ouvrir
le champ des possibles et à disposer du plus
grand nombre de candidats (set de données
dans notre cas) pour sélectionner la meilleure
solution en fonction du contexte du projet.
Il est nécessaire de préciser que l’idéation est
ici une phase rationnelle basée sur l’analyse
de l’ensemble des sets de données à
disposition.
UTILISATEUR
L’utilisateur, c’est-à-dire ses
motivations, ses comportements,
ses attentes et ses contextes
d’utilisation.
CONTENU
Comprend l’information
et les services ; l’information
recouvre tous les médias (textes,
images, sons, vidéos, données,
fichiers...), les métadonnées
(mots-clés, catégories, dates,
auteur…) et le contenu généré
par les utilisateurs ;
PROJET
CONTEXTE
Les objectifs du projet, la culture
d’entreprise du commanditaire
et les ressources dédiées au projet.

39. DONNÉES
CLIENTS
UTILISATEURS
PUBLICS
TECHNOLOGIES
BASE SQL
RAPPORTS
CLIENTS
COORDONNÉES
GÉOGRAPHIQUES
FLUX / API
STATISTIQUES
OPEN
DATA
DONNÉES
PARTENAIRES
1
Découverte
La phase de découverte, qui combine la définition de la
stratégie, la recherche sur les utilisateurs, l’inventaire du contenu et des données.
Cetteétape de démarrage vise à collecter toutes les informations nécessaires pour
établir la vision d’ensemble du projet et identifier les problèmes à résoudre.
_
/ DÉMARCHE
1/ Découverte
Nous n’imposons aucune limite dans la
recherche pour réaliser un inventaire
des bases de données disponibles.
Nous raffinons un maximum de matière
première. Données clients, données
internes, données partenaires et open-data
sont utilisés : nous analysons l’ensemble
des data à disposition pour construire une
vision d’ensemble du projet et identifier les
premiers axes de réflexion.
À ce stade, la veille informationnelle est
importante tout comme la consultation
potentielle des différentes directions d’une
organisation.
Dans cette phase de découverte, le diamant
s’ouvre largement à l’ensemble symbolisant
la recherche non exhaustive de données
pouvant apporter une valeur ajoutée au
projet. Puis il se referme, à la manière d’un
entonnoir, pour venir filtrer les données
clés en fonction de paramètres bien définis.
39

40. PROBLÉMATIQUE
2
Définition
La phase de définition, qui va fixer le périmètre du projet (la portée du dispositif, les fonctionnalités et le contenu) à l’issue des séances d’idéation qui
concernent tous les aspects du dispositif : structuration de l’information (catégorisation du contenu, qualification des données), design d’interaction
(comportement des éléments interactifs, parcours, tunnels d’inscription ou d’achat…), systèmes de navigation (menus, liens), design d’interface (mise en
forme de l’écran) et design d’information (représentation, ordre et hiérarchie visuelle des éléments à l’intérieur de l’écran).
_
FLUX / API
UTILISATEURS
CLIENTS
STATISTIQUES
TECHNOLOGIES
/ DÉMARCHE
Définition:lechoixdubouquet
Dans cette seconde étape, l’objectif est de
choisir les grappes de données que nous
allons conserver pour le projet. Il est rare de
garder l’ensemble des données pertinentes
identifiées. Les données conservées doivent
nous amener à dégager une problématique
globale à laquelle le futur outil devra
répondre. Pour chaque étape à venir, nous
veillerons à garder en tête la problématique
que nous devrons résoudre. En effet, les
projets de visualisation de données nous
amènent souvent à sortir du cadre, à penser
des interfaces singulières, mais cela ne doit
pas se faire au détriment du sujet de départ et
du besoin du commanditaire.
40
2/Lesmarqueursdesélectiondeladonnée
Outre la valeur ajoutée intrinsèque de chaque
set, la question est : comment choisir la bonne
donnée ? Nous avons défini 5 grands indicateurs
à surveiller pour faciliter la conception du
futur outil de visualisation : la responsabilité, la
sécurité, le format, la mise à jour et l’historicité.
Responsabilité
Il est pertinent de connaître le responsable
de chaque jeu de données ainsi que les
interlocuteurs pour accéder à la donnée et
pourvoir la monitorer rapidement. L’intérêt est
de pouvoir lever des doutes sur l’exploitation
de la donnée lors de la création des scénarios
comme de l’outil.
Format
Le format est prépondérant pour la partie
analyse, mais également pour la partie

41. DONNÉES
2
Autour de la donnée
SÉCURITÉ
RESPONSABILITÉ
HISTORICITÉ
FORMAT
MISE À JOUR
production.Ladonnéeest-elleindustrialisable?
Pouvons-nous facilement construire une base
complète sous un unique format ? L’enjeu de
l’exploitation réside en partie dans le format que
nous allons devoir traiter.
Mise à jour
La fréquence de mise à jour est essentielle pour
bien choisir les sets de data. La donnée est-elle
mise à jour de manière journalière, mensuelle,
annuelle ? Par quel moyen ? Nous devons être
en mesure d’anticiper la péremption comme le
renouvellement de notre matière première. Si
nous sommes amenés à comparer deux sets de
données en temps réel qui n’ont pas la même
fréquence de mise à jour, nous pouvons faire des
erreurs involontaires d’interprétation.
Sécurité
Les données ne sont pas toutes ouvertes au
public. Certaines demandent un hébergement
sur serveur protégé par mot de passe, mais
d’autres ne peuvent simplement pas être
maintenues sur un serveur externe au
commanditaire. Ces protocoles de sécurité
demandent à être identifiés en amont afin de
limiter les mauvais choix technologiques.
Historicité
Nous aimons à dire que la donnée est comme le
bon vin, le temps nous permet de l’appréhender
et de la comprendre avec une plus grande
finesse. Pouvoir analyser une tendance en
l’examinant dans le temps nous permettra de
construire des hypothèses d’interprétation
plus pertinentes. Toujours en relation avec le
contexte de départ, le niveau d’historicité est à
mesurer sur l’ensemble des sets disponibles.
41

42. 3
Création
La phase de prototypage qui sert à réaliser, sous forme de maquettes,
les solutions retenues à l’issue de la phase précédente ;
c’est une phase d’itération dédiée aux tests des prototypes
et à leurs modifications successives en fonction des retours des utilisateurs.
—
- Génération de scénarios :
Six-to-one
- Co-conception
- Direction Artistique
- UX design / Wireframes
PROBLÉMATIQUE
- Définition du service
/ DÉMARCHE
3/ Création
Une fois la problématique déterminée, ses
objectifs confirmés, nous pouvons construire
sereinement la phase de création. Nous
retrouvons de nouveau une ouverture
de diamant, mais celle-ci est cadrée par la
sélection des données réalisées au préalable.
La maille des données est plus grossière et
nous permet de laisser libre court à notre
imagination sans nous éparpiller. La création
se découpe en 3 temps : le six-to-one, la
définition fonctionnelle du service ainsi que le
choix de la direction artistique par wireframe.
Le six-to-one est une phase particulièrement
intéressante, car chaque partie prenante est
amenée, sur la base des données conservées,
à imaginer des scénarios d’usages et des
expériences utilisateurs sous la forme de petits
croquis. Une précision s’impose : un croquis
n’est pas un dessin, comme le dit Jason Santa
Maria, cité par Cennydd Bowles et James Box
dans Undercover
User Experience (2011) : « Les carnets de
croquis n’ont rien à voir avec le fait d’être bon
en dessin, cela concerne plutôt le fait d’être
bon en réflexion. » Un croquis a pour but
de capturer et d’exprimer une idée de façon
visuelle. Bill Buxton, designer canadien, a
analysé en détail cette activité, montrant qu’à
travers les âges, les croquis s’accompagnent
toujours d’annotations et d’explications.
Les croquis sont des premiers jets : ils
constituent la première étape qui va mener
au prototype. Ces croquis sont ensuite classés
par ordre de pertinence à main levée par les
participants afin de co-générer les premières
fonctionnalités du service de visualisation de
données.
Ensuite, la définition fonctionnelle comme
la direction artistique viennent se greffer
naturellement au travail fourni en amont.
42

43. 4
Livraison
La phase de réalisation du dispositif à partir des prototypes finaux de la
phase précédente. Cette phase correspond au design graphique, ainsi qu’au
travail de développement pour aboutir à la livraison finale.
—
- Design graphique
- Spécifications fonctionnelles détaillées
- Développement
- Livraison
/ DÉMARCHE
4/Livraison
Le second diamant se referme par la
validation d’un cahier de spécifications
fonctionnelles, validé par le commanditaire
après plusieurs itérations, qui décrit, avec
beaucoup de précisions, le futur outil
imaginé. Le contexte projet, les sets de
données avec la sélection effectuée, les choix
technologiques, les maquettes graphiques et
les explications d’ergonomie détaillées y sont
rappelés afin que le commanditaire obtienne
un rapport complet sur l’exploitation de sa
donnée.
Ce document est un rapport exploitable
en interne dans l’entreprise comme au
niveau des développeurs pour une mise en
production.
Nous appelons audit de données
l’ensemble du travail fourni sur le double
diamant jusqu’à la livraison du cahier des
spécifications fonctionnelles.
Pour confronter la méthodologie à un cas
concret, nous avons choisi le projet Goria,
un service de visualisation de données
d’objets connectés. Afin de ne pas avoir de
limite sur le plan de la confidentialité comme
de la propriété intellectuelle, nous avons
sélectionné volontairement un projet de R&D
interne à l’entreprise.
43

44. GORIA :
SUJET D’APPLICATION
DE LA MÉTHODOLOGIE_
L’aventure commence
maintenant.
44
L’équipe de 10h11 a travaillé en interne sur
la thématique des objets connectés. Nous
souhaitions créer un outil de visualisation
des données d’objets connectés qui soit plus
facilement compréhensible par ses usagers
et qui apporte une valeur ajoutée dans ses
fonctionnalités.
Nous vous proposons de découvrir
l’ensemble du processus de création de
manière synthétique. Il vous permettra de
naviguer de manière concrète dans chaque
phase du double diamant.

45. Contexte
Alors que 9 milliards d’objets et de capteurs
seraient déjà reliés aujourd’hui à Internet, ce
nombre devrait être multiplié par cinq d’ici à
2020. 85% du marché sera représenté par des
objets connectés directement à Internet ou
via un terminal intermédiaire (données sont
stockées dans le cloud).
Le rythme de croissance des objets connectés
va rapidement dépasser celui des PC,
tablettes et smartphones, dont l e nombre est
estimé par Gartner à 7,3 milliards d’unités
actives en 2020.
Partant de ce constat, nous avons répertorié
l’ensemble des objets connectés disponibles
aujourd’hui sur le marché et vérifié les
paramètres suivants :
La donnée est-elle sécurisée et accessible de
manière automatique ?
Quel est le protocole d’accès disponible à la
donnée ?
Quelle est la fréquence de mise à jour d’appel
de la donnée pour chaque objet connecté ?
Quel est le format disponible pour monitorer
la donnée ?
Ces questions nous ont amenés à faire
le tri sur l’ensemble des objets connectés
pour choisir, sur notre première itération,
qu’un seul type de données ayant les
caractéristiques suivantes :
Les données appartiennent à un provider
leader du marché actuel permettant
d’envisager une taille critique d’utilisateur ;
Une donnée est sécurisée par identifiant /
mot de passe et nous pouvons la rapatrier
via un protocole API afin de sécuriser son
transfert et automatiser son traitement.
GORIA : PHASE 01 >
LA DÉCOUVERTE :
ANALYSE DE LA DONNÉE DISPONIBLE_
45

46. Nous avons observé que les utilisateurs
des objets connectés dits « wearable »,
sont intéressés par leurs performances
personnelles. Au-delà du phénomène de
quantification de vie, le « quantified self »,
les services actuels ne permettent pas d’avoir
une vision d’ensemble, structurée, optimisée
des différentes pratiques physiques, sociales
et géographiques des usagers. De plus, ils ne
prennent pas en compte la grande infidélité
des utilisateurs qui changent de marques
d’objets connectés à chaque nouvelle vague
technologique.
Nous avons décidé, sur la base des données
disponibles que nous possédions,
GORIA : PHASE 02 >
DÉFINITION DU PRODUIT_
46
de positionner notre produit comme
catalyseur de données des objets connectés
leaders sur le marché. Nous avons aussi
pris conscience de l’importance de la
géolocalisation dans notre service par
l’émancipation des apps de tracking
sportives sur le marché. Sans être un objet,
les apps deviennent des providers de
data intéressants à relier à notre produit.
Runkeeper, par exemple, est alors apparu
comme le service indispensable à rajouter
étant donné qu’il était leader sur son marché
et qu’il répondait aux critères précédemment
choisis en phase de découverte.
Nous avons sélectionné les grappes de data
suivantes en fonction des providers :
Sommeil
Social
GéolocalisationSanté
Météo
Sport

47. Croisement des données récoltées afin d’en dégager
une problématique pertinente et innovante.
Problématique:
Commentcréerunnouveauserviceproposant
unevisualisationdesdonnéesissuesdedifférents
objetsconnectés,quisoitàlafoispédagogiqueet
monitorablepourl’utilisateur?
47

48. GORIA :
PHASE 03 > CRÉATION_
scénario
04
scénario
05
scénario
06
scénario
01
scénario
02
scénario
03
48
Lesix-to-one
Le Six-to-One est une méthode
collective que Cennydd Bowles
et James Box ont mise en place
à partir des exercices créés par
Leah Buley et Brandon Schauer
d’Adaptive Path. Chaque participant
reçoit un gabarit de six formes
simples, appelé le « six-up », dans
lequel il doit dessiner six versions
de scénario dans un temps limité
(cinq à dix minutes).
Le six-to-one est la partie créative
de la méthodologie. En effet, nous
sommes une nouvelle fois dans
l’ouverture puisque, sur la base des
données et providers sélectionnés,
nous devons imaginer le service
potentiel que fournit l’outil de
visualisation. Nous vous proposons
de consulter certains des scénarios
créés par notre équipe au cours de
ce travail. Étant donné que chaque
participant réalise six planches,
nous avons généralement une
trentaine de planches à étudier à la
fin de ce brainstorming d’usage.

49. Scénario1
Je cours avec mon bracelet Nike et je dors
avec mon bracelet Jawbone. Je ne peux
pas comparer mes courses et mon sommeil
sur un dashboard unique. Je me connecte
au nouveau service et je peux croiser
visuellement mes données afin de mieux
comprendre mes comportements.
Scénario2
J’ai perdu les identifiants des dashboards
qui me permettent d’aller voir mes données
des providers. De ce fait, je ne vais que sur
un seul dashboard, mais je ne vois que mes
activités cardiaques et mon nombre de pas.
Le nouveau service centralise les données en
un seul lieu avec un accès rapide et simple
par un unique identifiant / mot de passe.
Scénario3
J’ai l’impression d’avoir fait les mêmes
activités que d’habitude, je me sens fatiguée,
mais je ne comprends pas pourquoi. Je me
connecte au nouveau service et je vois qu’en
réalité j’ai marché 3 fois plus que d’habitude.
De plus, la géolocalisation me rappelle que
je viens d’effectuer sur les 3 derniers mois
plusieurs déplacements à l’étranger.
Je suis en mesure d’appréhender mon temps
de récupération moyen par rapport à un
décalage horaire.
Scénario4
J’ai changé d’objet et de provider, mais je
ne peux pas lier les données de l’ancien
objet avec mon nouveau. Je n’ai pas de suivi
historique de mes données ! Avec le nouveau
service, je peux changer d’objet et sa source
de données sera ajoutée à l’ancienne base.
Scénario5
J’ai reçu une montre connectée à Noël, mais
je ne comprends pas l’intérêt de mes données
si elles ne m’apprennent rien. Le nouveau
service permet de croiser les données et de
développer une intelligence artificielle simple
par la prise en compte du contexte pour
valoriser le temps des activités.
Scénario6
Cela fait 2 ans que j’utilise mon bracelet
connecté. Ces derniers mois, j’ai perdu
plusieurs kilos, mais je n’arrive pas à
comprendre pourquoi. Le nouveau service
permet de visualiser par planche les
différentes données d’activités, de santé,
de sommeil, de météo et de géolocalisation
pour m’aider à comparer et visualiser les
indicateurs m’ayant permis de perdre du
poids.
49
Laconclusionsynthétiquedusix-to-one
Le six-to-one fournit ci-dessus n’est qu’une fine partie de l’ensemble du travail mené en
scénarisation sur Goria. Cependant, il permet d’appréhender de manière plus concrète cette
phase de travail. Retenons que les scénarios d’usages doivent nous aider à choisir les fonc-
tionnalités principales de notre outil.

50. GORIA :
PHASE 03 > DÉFINITION
DU SERVICE_
Suite à la récolte des six to one, le service est défini
afin de construire une ligne directrice pour les étapes
suivantes.
50

51. Goria vous propose de retrouver l’ensemble
de vos données liées aux objets connectés
et applications de tracking sur un seul
dashboard unique. La compilation des
données permet de fournir à l’utilisateur
une intelligence artificielle permettant
d’améliorer son quotidien.
Centralisation
Les utilisateurs possèdent plusieurs objets ou
Apps de tracking. Ils n’ont pas d’endroit où
centraliser et visualiser leur donnée.
Goria propose un Dashboard de l’ensemble
des données personnelles.
Croisement
Les utilisateurs possèdent plusieurs objets ou
Apps de tracking. Ils désirent pouvoir croiser
leurs données pour mieux les interpréter et
mieux comprendre leurs habitudes.
Goria propose un Dashboard croisé de
l’ensemble des données personnelles.
Intelligence
Les utilisateurs possèdent plusieurs objets ou
Apps de tracking. Ils souhaitent améliorer
leur vie avec ses données, mais aucun
service ne propose un algorithme basé sur les
données personnelles.
Goria propose l’intelligence artificielle la plus
puissante du marché.
Récupération/Conservation
Les utilisateurs changent régulièrement
d’objets ou d’Apps de tracking. Leurs données
ne sont pas récupérées ni conservées
lorsqu’ils changent d’appareil.
Goria propose plusieurs connexions
d’appareils simultanément.
Habitude/Dépendance
Les utilisateurs ont des habitudes d’usage sur
certaines plateformes liées au lien social ou
encore à la confidentialité qui freinent cette
migration complète.
Goria propose plusieurs connexions
d’appareils simultanément pour accueillir ces
utilisateurs.
51

52. GORIA :
PHASE 03 > RECHERCHES
ET WIREFRAMES_
GoriaV1:
Pour imaginer la visualisation de données
Goria, nous avons souhaité mettre l’accent
sur l’accessibilité et la hiérarchisation des
flux de données afin de répondre à notre
besoin de pédagogie dans la navigation ainsi
que de monitoring rapide.
Nous avons construit un tableau de bord par
planche de couleur full screen dédié à chaque
typologie de données. Ce choix graphique
nous permet d’obtenir une ergonomie qui
respecte la lisibilité des données en accord
avec la ligne de flottaison d’un ordinateur.
Ce design permet aussi une identification
rapide des jeux de données et permet
d’envisager différentes versions mobiles
reponsive par blocs de couleurs.
Enfin, chaque utilisateur peut jouer avec ses
données en choisissant un affichage annuel,
mensuel, hebdomadaire ou encore journalier
dans chaque partie inférieure de chaque bloc
de couleur.
52

53. GORIA :
PHASE 04 >
MAQUETTAGE_
Maquettage
Il y a toujours un écart entre les wireframes
et les écrans graphiques. Logo, couleurs,
polices de caractères et vocabulaire
graphique (pictogrammes, icônes, filets,
ombres...) vont donner de la personnalité
à l’interface. Le choix des visuels et des
cadrages va aussi transformer l’aspect
général, avec une part d’interprétation et
de création qui tient à la personne qui en est
chargée.
Partition colorimétrique
des différentes parties
du dashboard. Exemple
ci-contre : santé.
Maquettage sur différents
écrans afin de rendre
accessible le service sur
tous les supports digitaux :
fixes ou portables.
53

54. GORIA :
PHASE 04 >
DÉVELOPPEMENT
& LIVRAISON_
passtockéessurnosserveurs,maiscaptéesen
tempsréel.Ellessontcependantmisesencache
pourdesraisonsdeperformances.Lesdonnées
cachéesnesontpasexploitablestellesquellesetle
cacheexpireauboutd’unecourtepériode.
LesdonnéessontobtenuesparleprotocoleOauth
(oauth1ou2selonlesfournisseurs).
Ceprotocolepermetàl’utilisateuretàson
fournisseurdegarderuncontrôletotalsur
l’accèsauxdonnéesparGoria.Lorsdelaphasede
connexion,l’utilisateurnetransmetjamaisàla
plateformesesidentifiantsdeconnexion,maisun«
jeton»quipeutêtreexpiréparlefournisseurselon
sapolitiqueinterne.MêmesilesAPIdechaque
fournisseurutilisentleprotocoleOauth,chacune
d’entreellesfournitsesdonnéesselonsonpropre
modèle.Ladifficultéprincipaledel’agrégationde
datarestelarenormalisationdesdonnéesreçues.
Sinoussommesamenésàdévelopperlemoteur
d’intelligenceartificielle,lesdonnéesseront
agrégéesetstockéesafind’êtreanalysées.
Cependant,mêmeunefoisstockées,l’utilisationde
sesdonnéesrépondàl’acceptationdesconditions
d’utilisationdechaquefournisseur.Gorias’engage,
danssaproprepolicedeconfidentialité,àrespecter
cesconditions.
54
Choixtechnologiques:Opensourceetréactivité
Nousavonsfaitlechoixd’utiliserunestructure
back/frontcommuniquantviauneAPIprivée.
1er
choix,lebackend:Nousutilisonsleframework
RubyonRails.Unframeworksolide,quia
faitsespreuves,activementsoutenuparune
communautéopensourcetrèsimpliquée.
2d
choix,lefrontend:Nousutilisonsleframework
Angular.UnframeworkJSenpleineexpansion,
activementsoutenuparGoogle.Ilpermetune
organisationrigoureusedufrontetunegestiondes
donnéesdynamiques.
3e
choix,l’hébergement:l’applicationest
actuellementhébergéesurHeroku,unPaas
quinouspermetdenousconcentrersurle
développementplutôtquesurlaplateforme.
Ceservicedélivreparailleursunemontéeen
chargetrèsrapidesilaplateformeenregistreunpic
deconnexion.
Sécuritéettempsréelpourgérerladonnée
Commementionnéaupréalable,toutesles
donnéesproviennentdesAPIsdesdifférents
fournisseursquesontWithings,Jawboneou
encoreFacebooketRunkeeper.
Pourassurerunesécuritéetuneconfidentialité
dansletraitementdesdonnées,celles-cinesont

55. Garantiruneprotectiondeladonnée
parlacréationd’unjeton
Lesdonnéestransitentselonleschémasuivant:
ChargementduDashboarddanslenavigateur;
Lenavigateurdemandelesdonnées
desfournisseursdisponiblesauprèsduserveur
deGoria;
Goriatransmetlarequêteauprèsdechaque
fournisseuraveclejetondisponible;
Unefoislesdonnéesobtenuesparleserveur,
celles-cisontretournéesaunavigateur;
Lesdonnéessonttraitéesentempsréelpar
lefront-end.
Lorsquel’utilisateurajouteunfournisseur:
Depuisledashboard,l’utilisateurcliquesurlelien
pourajouterunfournisseur;
Unepagedufournisseurs’ouvre,danslaquelle
l’utilisateurpourraautoriserGoriaàaccéderàses
données;
Unefoisautorisé,Goriaenregistrelejetond’accès
fournisparlefournisseur;
Ledashboardémetunenouvelledemandede
donnéepourcefournisseuretGorialuitransmet
selonlemodèleci-dessus.
Lesdonnéessontstockéesparlenavigateurtant
quelapageWebresteouverte.
55
Actuellementlaseuledonnéestockéesur
nosserveursestlejetond’autorisationfourni
parlesproviders.Àtoutmoment,l’utilisateur
peut,depuissoncompteFacebook,Withings
ouautre,demanderl’expirationdecejeton.
Suiteàl’expirationnaturelledujeton,certains
fournisseursémettentunerequêted’expiration
versGoria,nousimposantunesuppressiondes
donnéescorrespondantes.
Anticiperpourtenirlacharge
GoriautiliselaplateformeHeroku.Celle-cipermet
dedéployeruneinfrastructureselonnosbesoins,
avecpeuoupasdeconfigurationsupplémentaire.
Notreapplicationpeutêtre«scaler»dans
différentesdirections(vertical,horizontal).En
quelquescommandes,nouspouvonsdéployer
denouvellesinstancespourprendreencompte
l’augmentationdunombred’utilisateurs, une
basededonnéesavecplusd’espaceetplusde
connexion.
Deplus,Herokupermetaussid’accéder
rapidementàdenouvellestechnologies,selon
l’évolutiondenosbesoins:caching,nouvellebase
dedonnées(redis,nosql,..),déploiementdussl,
monitoring...

56. GORIA V1.1 :
RETOURS EXPÉRIENCES
UTILISATEURS >
IDÉATION & ITÉRATION_
56

57. Retoursexpériencesutilisateurs
L’expérience utilisateur pour améliorer
le produit. Suite à la sortie de la version 1
du projet Goria, le service a été soumis à des
expériences utilisateurs tant dans le service
lui-même que dans l’interface.
L’expérience utilisateur est un terme qui
tente de qualifier le résultat (bénéfice) et
le ressenti de l’utilisateur (expérience) lors
d’une manipulation (utilisation provisoire ou
récurrente) d’un objet fonctionnel ou d’une
interface homme-machine. Il sous-entend
un impact émotionnel cumulé à un bénéfice
rationnel.
Ces retours sont primordiaux pour le
projet tant pour l’utilisateur du produit
que pour le commanditaire. Cela permet
une compréhension et une optimisation du
service de visualisation.
Les retours expériences utilisateurs sont réalisés
grâce à différents indicateurs : feedback par
mail des utilisateurs, visualisation des zones
d’utilisation du produit, KPIs de données
analytics, veille et adaptation aux nouvelles
interfaces ( montres connectées, applications
mobiles...), récupération des billets d’humeurs
de l’utilisateur par l’interface ou encore
questionnaire de satisfaction.
L’itérationpourl’optimisation
Afin de rendre compte visuellement des
itérations possibles lors de l’optimisation du
service Goria, nous avons repris le schéma
57
du double diamant pour y apporter, dans
chacune de ces étapes, une phase d’itération.
Le principe est simple, sur la base des retours
utilisateurs, nous avons repris chacune
des phases du projet afin de revenir sur
nos travaux et les questionner. L’itération
demande un bon archivage de l’ensemble
des livrables remis à chaque étape du double
diamant afin de revenir rapidement sur la
première pensée et la remettre en question.
L’objectif n’est pas de détruire ce qui a été fait,
mais bien au contraire de bâtir de nouvelles
propositions à partir de l’existant.
Pour Goria, la reprise de l’ensemble des datas
disponibles nous a permis de constater que
nous devions devenir fournisseur d’une
donnée personnelle afin de fidéliser plus
facilement nos utilisateurs et développer
une intelligence artificielle propre à notre
service : une donnée d’humeur. Au regard
des retours utilisateurs, la visualisation
de données devait devenir plus précise et
mobile. Nous avons fait le choix de repenser
l’entrée à la donnée par l’insertion d’une
navigation par calendrier ainsi qu’un
déploiement sur mobile et montre connectée
du service.

58. 58
GORIA V2 :
PORTABILITÉ
ET OPTIMISATION
DE LA NAVIGATION_
Suite au retour d’expériences utilisateurs,
la version 1.1 de Goria propose une naviga-
tion par date. Outre le fait de choisir plus
aisément la période d’usage des données,
le calendrier permet, en un coup d’oeil, de
saisir la tendance de bien-être de l’utilisateur.
En effet, par l’usage de simples pastilles
visuelles de couleur rouge, grise ou verte,
l’utilisateur peut constater si son humeur
était négative ou positive pour chaque
journée et saisir la tendancehebdomadaireou
mensuellefacilement.
Lors du clic sur une pastille, l’utilisateur
se retrouve plongé dans les données de la
Nouvelles navigations optimisées pour les différents
écrans et choix de plages temporelles de visualisations.

59. 59
Navigation optimisée pour
les interfaces des objets
connectés.
Application et wireframe.
journée concernée. Sur iPad, une barre de
navigation fixe à droite est disponible pour
le pouce de l’utilisateur. Cette navigation
reprend les «charts» graphiques de chaque
planche de couleur afin d’améliorer la rapidi-
té et la fluidité de la navigation.
Unedonnéed’humeur
La donnée d’humeur se comprend à la
première lecture par l’utilisateur. Nous
respectons le design mobile en « touch » en
créant un système de pastille auquel nous
associons un smiley ainsi qu’une couleur.
En un « touch », l’utilisateur vient saisir sur ce
baromètre de sourire son ressenti personnel.
L’application permet en complément d’obte-
nir une visualisation par date, point fort de la
V1.1, mais aussi en preview, un accès rapide à
la donnée.
Adaptationàladynamiquedumarché
Dans la saisie de donnée d’humeur comme
dans la consultation des données générales,
les interfaces s’étendent désormais aux mon-
tres connectées. La version 1.1 devrait être op-
timisée pour ces nouveaux usages prometteurs.

60. 05_
SOURCES_
1_ M.Lima, 2014, « La visualisation
est un des grands défis de ce siècle »:
Vidéo : http://digup.tv/video/ma-
nuel-lima
2_ A.Paivio, E.Clark, 1973/1989, cité
par N.J.T.T.Thomas, 2014, « Dual
Coding and Common Coding Theories
of memory », Stanford Encyclopedia
of philosophy
3_ M.Karmes, 2014, « La datavisual-
isation constitue-t-elle une réponse à
l’amélioration du processus d’intelli-
gibilité dans l’open-data ? », Mémoire
de fin d’études, Master conception
production écriture audiovisuelle et
multimédia
4_ R.Barthes, 1964, « La rhétorique
de l’image », in Communication, V4,
N°4
5_ E. Jamet, 1998 « L’influence
des formats de présentation sur la
mémorisation », in Revue de Psy-
chologie de l’éducation, N°1
6_ Data Sciences Sociales, 2014, «
Analyse quantitative contenus 2.0 »,
article blog : http://data.hypotheses.
org
7_ Teckmark, 2014, cité par Ouest-
France, 2014, « Checky, l’appli qui
mesure votre addiction aux smart-
phones »
8_ Téléphonie Mobile 02, 2014, cité
par TerraFemina, 2013, « On regarde
plus notre smartphone que notre
homme »
9_ S.Brin, 2013, cité par Libération,
« Vie connectée - « l’âge de l’intuition
technologique », 2013
10_ BVA, 2013, Etude sur la confi-
dentialité des données sur internet
: http://www.bva.fr/fr/sondages/
la_confidentialite_des_donnees_
sur_internet.html
11_ D.Cardon, 2012, « regardez les
données », in Multitudes, 2012/2, N°
49
12_ D.McCandless, 2014, cité par
Courrier International, 2014, «
L’appétit pour le datajournalisme va
encore grandir »
13_ J.E.G.Larsen, 2013, cité par
Internet Actu.net , 2013, « La mise en
scène de soi »
14_ V.Hollocou, 2012, « La gestion de
l’identité numérique des adolescents
surleréseausocialFacebook»,Mémoire
fin d’études, Master Information et
communication de Toulouse
15_ Le Monde, 2014, « Lire sur
smartphone est tellement addictif que
j’ai arrêté les livres papier », article
blog : http://www.lemonde.fr/
livres/article/2014/02/19/lire-sur-
smartphone-est-tellement-addic-
tif-que-j-ai-arrete-les-livres-papi-
er_4369688_3260.html
16_ Lardy J.-P, 2009, cité par Hay
L., 2009, « La veille sur Internet en 5
étapes clés », in culturenum, Article
blog : https://culturenum.info.uni-
caen.fr/blogpost/wfylz84hi06/view
17_ K. Cukier, V. Mayer-Schön-
berger, 2013, « Mise en données du
monde, le déluge numérique », in Le
monde diplomatique, article blog :
http://www.monde-diplomatique.
fr/2013/07/CUKIER/49318
18_ R.Ackoff, Théorie de l’informa-
tion cité par Techno-Science.net,
2009, « La théorie de l’information
», article blog : http://www.tech-
no-science.net/?onglet=glossaire&-
definition=10716
19_ K.Bronstein, Théorie de l’infor-
mation, 2013, cité par C.Shannon,
« Claude Shannon, painted por-
trait – la théorie de l’information »,
article blog : http://www.mestechs.
fr/claude-shannon-painted-por-
trait-la-theorie-de-linforma-
tion-_1010156.html
20_ Crucial, 2013, cité par Blog du
modérateur, 2013 « Un français sur
deux est agressif contre son ordi-
nateur quand il rame », article blog
: http://www.blogdumoderateur.
com/un-francais-sur-deux-est-
agressif-contre-son-ordinateur-
quand-il-rame-concours/
21_ Phocuswright, 2010, cité par
ergonomie-interface.com, 2010,
« Vitesse de chargement des pages
web: un critère ergonomique», article
blog : http://www.ergonomie-in-
terface.com/internet-web-site/
vitesse-chargement-pag-
es-web-critere-ergonomique/
22_ J.F.Nogier, 2011, « Ergonomie des
interfaces - Guide pratique pour la
conception des applications web...:
Guide pratique pour la conception des
applications web, logicielles, mobiles
et tactiles», ed Dunod
23_ J.Nielsen, 2010, « Slow page
rendering today is typically caused
by server delays or overly fancy page
widgets, not by big images. Users still
hate slow sites and don’t hesitate tell-
60

61. ing us. », article blog : http://www.
nngroup.com/articles/website-re-
sponse-times/
24_ J.Cottraux, 2001, « Répétition des
scénarios de vie : demain est une autre
histoire », ed Odile Jacob
25_ N.Carr, 2011, « Internet rend-il
bête ? », ed Robert Laffont
26_ O.Houdé, cité par D.Cedric,
2012, « L’impact du web en 4 ques-
tions », in La recherche, article blog :
http://www.larecherche.fr/savoirs/
dossier/1-impact-du-web-4-ques-
tions-01-09-2012-91553
27_ G. Small et al., 2009, in . J. Ger-
iatric Psychiatry, V17, N°2, cité par
D.Cedric, 2012, « L’impact du web en
4 questions », in La recherche, article
blog : http://www.larecherche.fr/
savoirs/dossier/1-impact-du-web-4-
questions-01-09-2012-91553
B. Sparrow et al. 2011, in , Science,
N°772, cité par D.Cedric, 2012, «
L’impact du web en 4 questions », in
La recherche, article blog : http://
www.larecherche.fr/savoirs/
dossier/1-impact-du-web-4-ques-
tions-01-09-2012-91553
28_ J. Dinet, 2003, in Psycholo-
gie française, V48, N°3, cité par
D.Cedric, 2012, « L’impact du web en
4 questions », in La recherche, article
blog : http://www.larecherche.fr/
savoirs/dossier/1-impact-du-web-4-
questions-01-09-2012-91553
29_ E.Sander, cité par D.Cedric, 2012, «
L’impactduweben4questions», in La
recherche, article blog : http://www.la-
recherche.fr/savoirs/dossier/1-impact-
du-web-4-questions-01-09-2012-91553
30_ N.Boubée, 2011, « L’Activité in-
formationnelle juvénile », ed Hermès
Sciences Publications
31_ A.Wang, cité par tempsreel.nou-
velobs.net, 2014, « La dépendance
au smartphone, un mal croissant
chez les jeunes », article blog :
http://tempsreel.nouvelobs.com/
topnews/20140615.AFP9649/la-de-
pendance-au-smartphone-un-mal-
croissant-chez-les-jeunes.html
32_ P. Bernanose, 2014, « PERCEP-
TION VISUELLE: Un clin d’il de
quelques millisecondes suffit – Atten-
tion, Perception, and Psychophysics
», in Santéblog, article blog : http://
blog.santelog.com/2014/01/18/
perception-visuelle-un-clin-d%C2%
9Cil-de-quelques-millisecondes-suf-
fit-attention-perception-and-psy-
chophysics/
33_ B.Andrieu, 2010, « L’épistémiolo-
gie du corps », ed Collége de France
34_ F.D.Fekete, 2013, « Software and
Hardware Infrastructures for Visual
Analytics », in Data Management to
Exploration, V46, n°7
35_ B.Ourghanlian, 2013, « Big Data
: visualiser pour donner du sens », in
Les echos, article blog : http://www.
lesechos.fr/idees-debats/cercle/
cercle-92883-big-data-visualiser-
pour-donner-du-sens-1002743.
php?TWDzymqeFEJ3wd6W.99
36_ K. Cukier, V. Mayer-Schön-
berger, 2013, « Mise en données du
monde, le déluge numérique », in Le
monde diplomatique, article blog :
http://www.monde-diplomatique.
fr/2013/07/CUKIER/49318
37_ P.Drucker, cité par D. Gysler,
2009, « Théorie critique du paradigme
gestionnaire : une analyse de l’évolu-
tion des modes gestionnaires au sein
de la sphère du travail », Mémoire de
fin d’études, Sociologie, UQUAM
61

62. 06_
CONTACT_
Société 10h11
64 cours Clémenceau 33000 Bordeaux
Tél. +33 (0)5 57 83 25 42
@10h11 / contact@10h11.com
www.10h11.com
62
Livre blanc proposé par la société 10h11 - Mars 2015.
La couverture, seconde de couverture ainsi que les pages de garde
de chapitre ont été réalisées par design génératif.
Direction de publication : Julien Daubert-Panasyuk
Rédaction : Maryne Cotty-Eslous, Pierrick Barnes, Jonathan Lalanne,
Marius Ortiz, Sébastien Savater
Design graphique : Antoine Edel, Jonathan Lalanne
Méthodologie : Jonathan Lalanne, Marius Ortiz, Julien Daubert-Pa-
nasyuk
Correction et relecture : Pierrick Barnes, Jonathan Lalanne, Marius
Ortiz, Clément Boissy, Eliot Jacquin, Loic Triger
Impression : Sprint Copie, 82 Cours Georges Clemenceau, 33000 Bordeaux
Papier issu des forêts gérées durablement (PEFC).

64. Livre blanc proposé par la société 10h11 - Mars 2015
#datavisualisation @10h11