Quel graphique choisir selon ses données : le guide complet

Camembert, barres, courbes, nuage de points… Face à vos données, lequel choisir ? Ce guide complet associe chaque type de graphique à un besoin précis — comparer, montrer une évolution, une répartition ou une corrélation — pour ne plus jamais se tromper.

Devant un jeu de données, la question revient toujours : « quel graphique utiliser ? » On hésite, on teste un camembert, puis des barres, et on choisit souvent celui qui « rend le mieux » plutôt que celui qui dit vrai. Pourtant, le bon graphique ne dépend ni de la mode ni de l’esthétique : il dépend de la question à laquelle vos données doivent répondre. Ce guide vous donne une méthode simple pour choisir à coup sûr.

I. Partir du besoin, pas du graphique  

L’erreur la plus répandue est de choisir un graphique pour sa forme. La bonne démarche est inverse : on part de l’intention. La plupart des visualisations répondent à l’une de ces cinq questions :

• Comparer : quelle catégorie est la plus grande / la plus petite ?
• Montrer une évolution : comment une valeur change-t-elle dans le temps ?
• Représenter une répartition : comment un tout se découpe-t-il en parties ?
• Croiser deux variables : existe-t-il un lien entre deux mesures ?
• Montrer une distribution : comment les valeurs se répartissent-elles ?

Identifiez d’abord votre question. Le type de graphique en découle presque automatiquement — c’est tout l’objet des sections suivantes.

II. Comparer des valeurs  

Besoin : classer ou comparer des catégories entre elles (ventes par produit, trafic par source…).

Le diagramme en barres est le choix le plus sûr : l’œil humain compare des longueurs avec une grande précision.

• Barres horizontales : idéales quand les libellés sont longs ou les catégories nombreuses.
• Colonnes verticales : parfaites pour un petit nombre de catégories.
• Radar : tentant pour comparer plusieurs dimensions, mais souvent trompeur (les aires faussent la perception). À réserver aux profils à peu d’axes.

Astuce : triez vos barres par valeur plutôt que par ordre alphabétique. Un classement se lit instantanément.

III. Montrer une évolution dans le temps  

Besoin : suivre une tendance sur des jours, des mois ou des années (chiffre d’affaires mensuel, fréquentation…).

• La courbe (graphique en ligne) est la référence : elle relie les points et fait ressortir la tendance.
• Aire : une courbe remplie, utile pour insister sur un volume cumulé, mais à éviter si plusieurs séries se chevauchent.
• Histogramme (colonnes dans le temps) : adapté quand les périodes sont discrètes et peu nombreuses (ventes par trimestre).

Règle d’or : le temps va toujours sur l’axe horizontal, de gauche à droite.

IV. Représenter une répartition  

Besoin : montrer comment un total se divise en parties (parts de marché, répartition d’un budget…).

C’est ici qu’on dégaine trop vite le camembert. Il n’est lisible qu’avec 2 à 3 parts nettement différentes. Au-delà, l’œil ne sait plus comparer des angles.

• Barres : presque toujours plus lisibles qu’un camembert, surtout au-delà de 4 catégories.
• Barres empilées : utiles pour comparer la composition de plusieurs ensembles.
• Treemap : efficace pour de nombreuses parts hiérarchisées dans un espace compact.

En cas de doute, remplacez le camembert par des barres : vous y perdez rarement.

V. Croiser deux variables (corrélation)  

Besoin : vérifier s’il existe un lien entre deux mesures (budget pub vs ventes, âge vs dépense…).

• Le nuage de points est l’outil dédié : chaque point porte deux coordonnées, et la forme du nuage révèle (ou non) une relation.
• Graphique à bulles : ajoute une troisième dimension via la taille des points.
• Heatmap (carte de chaleur) : idéale pour visualiser l’intensité d’un croisement entre deux catégories.

Attention au piège classique : corrélation n’est pas causalité. Un nuage qui « monte » ne prouve pas qu’une variable cause l’autre.

VI. Montrer une distribution  

Besoin : comprendre comment les valeurs d’une même mesure se répartissent (distribution des salaires, des temps de réponse…).

• Histogramme : regroupe les valeurs en tranches et montre où elles se concentrent.
• Boîte à moustaches (boxplot) : résume médiane, quartiles et valeurs extrêmes — parfait pour comparer plusieurs groupes d’un coup d’œil.

C’est le besoin le plus souvent oublié, alors qu’il répond à une question essentielle : « est-ce que mes données sont homogènes ou très dispersées ? »

VII. Aller plus loin : des graphiques moins courants (mais précieux)  

Au-delà des grands classiques, certains graphiques répondent à des besoins très spécifiques. Mal connus, ils sont souvent la bonne réponse là où un graphique standard peine.

• Diagramme de flux (Sankey) — pour visualiser des flux et transferts entre étapes : parcours d’un utilisateur sur un site, répartition d’un budget, sources et destinations d’une énergie. L’épaisseur des liens traduit le volume.
• Entonnoir (funnel) — pour une conversion par étapes : visiteurs → inscrits → clients. Il rend la déperdition immédiatement visible.
• Cascade (waterfall) — pour décomposer une variation : comment passe-t-on du résultat de l’an dernier à celui de cette année, contribution positive ou négative par poste.
• Graphique de pente (slope chart) — pour comparer deux instants (avant/après) sur plusieurs catégories : une simple ligne par catégorie révèle qui progresse et qui recule.
• Bullet chart — pour confronter une valeur à un objectif : parfait sur un tableau de bord, plus compact et lisible qu’une jauge.
• Carte de chaleur calendaire (calendar heatmap) — pour une intensité dans le temps : activité jour par jour sur une année (le fameux « mur de contributions »).
• Boîte à violon (violin plot) — une distribution plus riche que le boxplot : elle montre la forme complète de la densité des valeurs.

À manier avec soin : ces formats sont puissants mais moins familiers. Réservez-les à un public à l’aise avec les données, ou accompagnez-les d’une légende claire.

VIII. Le récapitulatif : du besoin au graphique  

Gardez ce tableau sous la main : il résout 90 % des hésitations.

IX. Passer à la pratique : les outils  

Une fois le bon type identifié, reste à le produire. Inutile d’être designer ou développeur : de nombreux sites permettent de créer des graphiques propres en quelques clics, et des bibliothèques de code existent pour les besoins sur mesure. Nous y consacrons des articles dédiés :

• les outils gratuits pour créer un graphique en ligne ;
• le choix des couleurs d’une visualisation (lisibilité, accessibilité) ;
• les erreurs courantes qui rendent un graphique illisible ou mensonger.

L’outil ne fait pas le bon graphique : il ne fait qu’exécuter le choix que vous avez déjà fait en partant du besoin.

Conclusion  

Choisir un graphique n’est pas une question de goût mais de méthode : identifiez d’abord la question — comparer, montrer une évolution, une répartition, une corrélation ou une distribution — et le bon format s’impose presque de lui-même. Cette grille de lecture vous évitera les camemberts illisibles comme les radars trompeurs, et rendra vos données enfin parlantes.

Le plus important à retenir : un bon graphique ne cherche pas à impressionner, il cherche à faire comprendre.

🔗 Ressource utile  

• From Data to Viz — choisir le bon graphique
• The Data Visualisation Catalogue
• Financial Times — Visual Vocabulary
• Datawrapper — Academy et bonnes pratiques