Représentations graphiques : courbes de Lorenz, histogrammes, diagrammes de répartition, représentation des séries chronologiques

L'utilisation de graphiques en Sciences Économiques et Sociales (SES) n'est pas un simple artifice esthétique ; c'est une méthode d'analyse puissante et un outil de communication essentiel.

• Visualisation des données : Les graphiques permettent de transformer des tableaux de chiffres complexes en images facilement compréhensibles. Notre cerveau est beaucoup plus efficace pour détecter des motifs, des tendances ou des anomalies dans une image que dans une longue liste de nombres.
• Simplification de l'information : Un bon graphique peut résumer des centaines, voire des milliers de données en un coup d'œil, rendant l'information plus accessible et digeste pour le lecteur.
• Analyse des tendances : Les graphiques sont particulièrement utiles pour identifier des tendances (augmentation, diminution, stabilité), des cycles (périodes récurrentes) ou des points de rupture (changements soudains) dans l'évolution d'un phénomène. Par exemple, une courbe montrera immédiatement si le chômage augmente ou diminue sur plusieurs années.
• Communication des résultats : Que ce soit pour un exposé, un article de recherche ou un rapport, les graphiques sont des supports de communication très efficaces. Ils permettent de convaincre et d'illustrer un argument avec des preuves visuelles.

Avant de choisir un graphique, il est crucial de comprendre la nature des données que l'on souhaite représenter.

• Données qualitatives : Elles décrivent des qualités ou des catégories et ne sont pas mesurables numériquement.
  • Exemples : PCS (Professions et Catégories Socioprofessionnelles), catégories socio-démographiques (sexe, nationalité), opinions (satisfait/insatisfait).
  • On peut les compter (nombre de personnes dans chaque catégorie) mais pas les ordonner de manière numérique.
• Données quantitatives discrètes : Ce sont des données numériques qui résultent d'un comptage et ne peuvent prendre qu'un nombre fini ou dénombrable de valeurs. Il n'y a pas de valeurs intermédiaires possibles.
  • Exemples : Nombre d'enfants par famille, nombre de diplômes obtenus, nombre d'entreprises dans un secteur.
• Données quantitatives continues : Ce sont des données numériques qui peuvent prendre n'importe quelle valeur dans un intervalle donné. Elles résultent généralement d'une mesure.
  • Exemples : Revenu, taille, poids, PIB, taux de chômage.
• Séries chronologiques : Il s'agit de tout type de données (qualitatives ou quantitatives) observées et enregistrées à intervalles réguliers au fil du temps. L'ordre temporel est ici fondamental.
  • Exemples : Évolution du PIB par trimestre, taux d'inflation annuel, cours de la bourse quotidien.

Un graphique, même bien choisi, peut être inefficace voire trompeur s'il ne respecte pas certains principes fondamentaux.

• Clarté et lisibilité : Un graphique doit être facile à comprendre. Évitez les surcharges d'informations, les couleurs criardes ou les polices illisibles. Chaque élément doit avoir une raison d'être.
• Précision et exactitude : Les données doivent être représentées fidèlement. Les échelles doivent être appropriées et non tronquées de manière à fausser la perception. La proportionnalité doit être respectée.
• Pertinence du choix graphique : Le type de graphique doit être adapté à la nature des données et au message que l'on souhaite faire passer. Un histogramme pour des données qualitatives, par exemple, serait une erreur.
• Titre, légendes et sources : Un graphique sans ces éléments est incomplet et inutilisable.
  • Le titre doit être clair et concis, indiquant ce que le graphique représente (ex: "Évolution du taux de chômage en France, 2000-2023").
  • Les légendes expliquent les symboles, couleurs ou motifs utilisés (ex: "Courbe bleue : hommes, Courbe rouge : femmes").
  • La source (Insee, Eurostat, Banque Mondiale...) est indispensable pour attester de la fiabilité des données et permettre une vérification.
  • Les axes doivent être nommés et leurs unités clairement indiquées (ex: "Années", "Taux de chômage en %").

L'histogramme est un graphique utilisé pour représenter la distribution d'une variable quantitative continue. Il permet de visualiser comment les valeurs se répartissent sur un intervalle.

• Définition et utilité : Un histogramme est composé de rectangles contigus (qui se touchent). L'aire de chaque rectangle est proportionnelle à la fréquence (ou à l'effectif) des observations appartenant à la classe qu'il représente. Il est utile pour voir la forme de la distribution (symétrique, asymétrique), identifier les modes (pics) et les valeurs extrêmes.
• Classes et fréquences :
  1. On divise l'étendue des données en plusieurs classes (intervalles). Ces classes doivent être contiguës et généralement de même amplitude, mais pas toujours.
  2. Pour chaque classe, on compte le nombre d'observations qui y tombent : c'est l'effectif de la classe.
  3. La fréquence est l'effectif de la classe divisé par l'effectif total.
  4. Sur l'axe des abscisses (horizontal), on place les classes. Sur l'axe des ordonnées (vertical), on place les fréquences (ou densités de fréquence si les classes ont des amplitudes différentes).
• Interprétation de la forme :
  • Une distribution symétrique a une forme de cloche, avec la majorité des données au centre.
  • Une distribution asymétrique peut être étalée vers la droite (majorité des données à gauche) ou vers la gauche (majorité des données à droite).
  • Les pics indiquent les modes (valeurs les plus fréquentes).
• Comparaison avec le diagramme en barres : Attention à ne pas confondre ! Le diagramme en barres représente des variables qualitatives ou quantitatives discrètes. Les barres sont séparées car les catégories sont distinctes. L'histogramme représente des variables quantitatives continues et les barres sont contiguës pour montrer la continuité des données.

Également appelé diagramme en secteurs ou "camembert", ce type de graphique est utilisé pour montrer la proportion de différentes catégories par rapport à un tout.

• Représentation des proportions : Chaque "tranche" du camembert représente une catégorie, et sa taille (angle) est proportionnelle à la part qu'elle représente dans l'ensemble. La somme des pourcentages doit toujours être égale à 100%.
• Calcul des angles : Pour chaque catégorie, l'angle du secteur est calculé par la formule : $\text{Angle} = \frac{\text{Fréquence de la catégorie}}{\text{Fréquence totale}} \times 360^\circ$ Par exemple, si une catégorie représente 25% du total, son angle sera de $0.25 \times 360^\circ = 90^\circ$.
• Limites d'utilisation :
  • Il est efficace pour un nombre limité de catégories (idéalement 2 à 5). Au-delà, il devient difficile de distinguer les différentes parts et de comparer leur taille.
  • Il ne permet pas de représenter l'évolution dans le temps.
  • Il est difficile de comparer des proportions similaires entre elles. Par exemple, distinguer visuellement 20% de 22% est compliqué. Pour cela, un diagramme en barres est souvent préférable.
• Exemples en SES : Répartition des dépenses publiques par poste, composition du PIB par secteur d'activité, répartition des opinions politiques.

Ce sont des graphiques très courants et polyvalents, utilisés pour comparer les valeurs de différentes catégories.

• Comparaison de catégories : Les diagrammes en barres (horizontales) ou en colonnes (verticales) sont parfaits pour comparer des quantités associées à des catégories distinctes. La longueur (ou hauteur) de la barre est proportionnelle à la valeur qu'elle représente.
• Données discrètes : Ils conviennent parfaitement aux variables qualitatives (ex: nombre de personnes par PCS) et aux variables quantitatives discrètes (ex: nombre de voitures vendues par marque).
• Barres simples, groupées, empilées :
  • Simples : Une barre par catégorie.
  • Groupées : Plusieurs barres côte à côte pour chaque catégorie, permettant de comparer plusieurs séries de données pour les mêmes catégories (ex: ventes par marque pour différentes années).
  • Empilées : Les barres sont superposées pour montrer la contribution de chaque sous-catégorie à un total (ex: répartition des exportations par produit pour différents pays, où chaque barre représente un pays et les segments les produits).
• Interprétation des différences : On peut facilement voir quelle catégorie a la valeur la plus élevée ou la plus basse, et estimer l'ampleur des différences.

Le choix du graphique est crucial pour la clarté et l'efficacité de la communication.

• Nature des données :
  • Quantitatives continues : Histogramme.
  • Qualitatives ou quantitatives discrètes : Diagramme en barres/colonnes.
  • Proportions d'un tout (peu de catégories) : Diagramme circulaire.
• Objectif de l'analyse :
  • Montrer une distribution : Histogramme.
  • Comparer des catégories : Diagramme en barres/colonnes.
  • Montrer une part dans un total : Diagramme circulaire.
• Message à transmettre : Si vous voulez insister sur l'importance d'une catégorie par rapport au reste, le camembert peut être pertinent. Si vous voulez comparer précisément des valeurs, le diagramme en barres est supérieur.
• Erreurs à éviter :
  • Utiliser un camembert avec trop de catégories.
  • Utiliser un histogramme pour des données qualitatives.
  • Oublier les légendes ou les unités.
  • Ne pas mettre une source fiable.

• Représentation des inégalités : La courbe de Lorenz permet de visualiser la distribution d'une variable (comme le revenu ou le patrimoine) au sein d'une population. Elle met en évidence les inégalités de répartition.

• Population cumulée : Sur l'axe des abscisses (horizontal), on représente les pourcentages cumulés de la population, classés par ordre croissant de la variable étudiée. Par exemple, les 10% les plus pauvres, puis les 20% les plus pauvres, etc., jusqu'à 100%.

• Revenu/Patrimoine cumulé : Sur l'axe des ordonnées (vertical), on représente les pourcentages cumulés du revenu (ou du patrimoine) détenu par ces mêmes pourcentages de la population.

• Droite d'équirépartition : C'est une droite diagonale qui va de (0%, 0%) à (100%, 100%). Elle représente une situation d'égalité parfaite, où chaque pourcentage de la population détient le même pourcentage de revenu. Par exemple, les 10% les plus pauvres détiendraient 10% du revenu total, les 50% les plus pauvres 50% du revenu total, et ainsi de suite.

  • Construction :
    1. Trier la population par ordre croissant de revenu/patrimoine.
    2. Calculer les pourcentages cumulés de la population (par déciles, quintiles, etc.).
    3. Calculer les pourcentages cumulés du revenu/patrimoine détenu par ces groupes.
    4. Tracer les points correspondants et les relier pour former la courbe.

• Distance à la droite d'équirépartition : Plus la courbe de Lorenz est éloignée de la droite d'équirépartition (plus elle est "creusée"), plus l'inégalité de répartition de la variable étudiée est forte.
  • Si la courbe de Lorenz est confondue avec la droite d'équirépartition, l'égalité est parfaite.
  • Si la courbe est très éloignée de la droite, cela signifie qu'une petite partie de la population détient une grande part de la variable (ex: les 10% les plus riches détiennent 80% du revenu).
• Degré d'inégalité : La courbure de la ligne donne une indication visuelle immédiate du niveau d'inégalité.
• Comparaison entre pays/périodes : On peut superposer plusieurs courbes de Lorenz pour comparer les inégalités de revenus entre différents pays ou pour un même pays à différentes périodes. Une courbe plus éloignée de la diagonale indique une plus grande inégalité.
• Limites de l'interprétation visuelle : Bien que visuellement très parlante, la courbe de Lorenz ne donne pas une mesure précise de l'inégalité. Pour cela, on utilise un indicateur synthétique : le coefficient de Gini.

• Mesure synthétique de l'inégalité : Le coefficient de Gini est l'indicateur le plus couramment utilisé pour mesurer le degré d'inégalité de la distribution d'une variable. Il se déduit directement de la courbe de Lorenz.
• Calcul à partir de la courbe de Lorenz : Le coefficient de Gini est défini comme le rapport de l'aire située entre la courbe de Lorenz et la droite d'équirépartition (aire A) sur l'aire totale sous la droite d'équirépartition (aire A + B). $\text{Gini} = \frac{\text{Aire A}}{\text{Aire A} + \text{Aire B}}$ Où Aire B est l'aire sous la courbe de Lorenz.
• Interprétation des valeurs (0 à 1) :
  • Un coefficient de Gini de 0 indique une égalité parfaite (la courbe de Lorenz est la droite d'équirépartition).
  • Un coefficient de Gini de 1 (ou 100 si exprimé en pourcentage) indique une inégalité maximale (une seule personne détient toute la richesse).
  • En pratique, les valeurs se situent généralement entre 0,25 et 0,60.
• Comparaison internationale : Le coefficient de Gini est très utilisé pour comparer les niveaux d'inégalités de revenus entre différents pays. Par exemple, les pays scandinaves ont généralement des coefficients de Gini plus faibles (plus d'égalité) que les États-Unis ou certains pays d'Amérique latine.

• Inégalités de revenus : C'est l'application la plus fréquente. On analyse la répartition des revenus disponibles entre les ménages.
• Inégalités de patrimoine : La courbe peut aussi montrer la distribution du patrimoine (actifs immobiliers, financiers) qui est souvent encore plus inégalitaire que celle des revenus.
• Inégalités de consommation : On peut l'utiliser pour voir comment la consommation est répartie dans la population.
• Politiques de redistribution : En comparant les courbes de Lorenz avant et après impôts et transferts sociaux, on peut évaluer l'impact des politiques de redistribution sur la réduction des inégalités. Une politique efficace rapprochera la courbe de Lorenz de la droite d'équirépartition.

• Données évoluant dans le temps : Une série chronologique est une séquence de données mesurées à des instants successifs et à intervalles de temps réguliers (par exemple, chaque année, chaque trimestre, chaque mois, chaque jour).
• Périodes régulières : L'aspect "régulier" est crucial pour l'analyse. Chaque observation est associée à un point dans le temps.
• Exemples en SES (PIB, chômage, inflation) :
  • Le PIB (Produit Intérieur Brut) trimestriel ou annuel d'un pays.
  • Le taux de chômage mensuel.
  • Le taux d'inflation annuel.
  • Les cours boursiers quotidiens.
  • Les dépenses de consommation des ménages par mois.
• Importance de l'ordre temporel : Contrairement à d'autres types de données, l'ordre des observations est primordial. Intervertir deux points dans une série chronologique en changerait complètement le sens.

C'est le type de graphique le plus adapté pour représenter l'évolution d'une ou plusieurs séries chronologiques.

• Représentation standard : Sur l'axe des abscisses (horizontal), on place le temps (années, mois, etc.). Sur l'axe des ordonnées (vertical), on place la valeur de la variable étudiée. Les points sont ensuite reliés par des segments de droite pour montrer la continuité de l'évolution.
• Évolution d'une variable : Permet de visualiser rapidement si la variable augmente, diminue, stagne, ou présente des fluctuations.
• Plusieurs séries sur un même graphique : On peut tracer plusieurs courbes sur le même graphique pour comparer l'évolution de différentes variables ou de la même variable pour différentes entités (ex: taux de chômage de la France et de l'Allemagne). Il est alors essentiel d'utiliser des couleurs ou des styles de ligne différents et une légende claire.
• Échelles (linéaire, logarithmique) :
  • Échelle linéaire : Les distances sur l'axe représentent des écarts de valeurs constants. Utile pour la plupart des cas.
  • Échelle logarithmique : Les distances sur l'axe représentent des ratios constants. Très utile quand on veut visualiser des taux de croissance ou quand la variable varie sur plusieurs ordres de grandeur. Sur une échelle logarithmique, une croissance constante apparaît comme une droite, et non comme une courbe exponentielle. Cela permet de mieux comparer les rythmes de croissance, surtout si les niveaux de départ sont très différents. Une pente plus forte sur une échelle log indique un taux de croissance plus élevé.

Les graphiques de séries chronologiques permettent d'identifier des composantes clés de l'évolution d'un phénomène.

• Tendance longue : C'est la direction générale que prend la série sur une longue période (plusieurs années ou décennies). Elle peut être croissante, décroissante ou stable. Par exemple, la tendance longue du PIB mondial est généralement à la hausse.
• Variations saisonnières : Ce sont des mouvements réguliers et répétitifs qui se produisent à intervalles de temps fixes au cours d'une année (par exemple, ventes de Noël, augmentation du chômage en été due aux emplois saisonniers). Elles se répètent d'année en année.
• Cycles économiques : Ce sont des fluctuations périodiques de l'activité économique (expansion, pic, récession, creux) sur des périodes de quelques années à une décennie ou plus. Ils ne sont pas aussi réguliers que les variations saisonnières.
• Points de rupture : Ce sont des changements soudains et significatifs dans la tendance ou le comportement de la série, souvent liés à des événements majeurs (crises économiques, innovations technologiques, changements politiques).

Ces graphiques ont des usages plus spécifiques mais sont également très utiles en SES.

• Graphiques à aires : Similaires aux graphiques linéaires, mais l'aire sous la courbe est remplie. Ils sont particulièrement efficaces pour montrer la contribution de différentes composantes à un total au fil du temps. Par exemple, la part de l'agriculture, de l'industrie et des services dans le PIB total sur plusieurs années. On peut utiliser des aires empilées pour montrer l'évolution de la structure.
• Graphiques en nuage de points (scatter plot) : Utilisés pour visualiser la relation entre deux variables quantitatives. Chaque point sur le graphique représente une observation, avec sa valeur pour la première variable sur l'axe des abscisses et sa valeur pour la seconde variable sur l'axe des ordonnées.
  • Corrélation : Permet de voir s'il existe une relation (positive, négative, nulle) entre les deux variables. Si les points forment une ligne ascendante, il y a une corrélation positive. Si les points forment une ligne descendante, la corrélation est négative. Si les points sont dispersés sans forme particulière, il n'y a pas de corrélation linéaire forte.
  • Identification d'outliers : Les nuages de points peuvent aider à identifier des points aberrants (outliers), c'est-à-dire des observations qui s'écartent significativement du modèle général.

• Échelles tronquées ou manipulées : C'est l'une des manipulations les plus fréquentes.
  • Échelle tronquée : L'axe des ordonnées ne commence pas à zéro, ce qui peut amplifier visuellement de petites variations et faire paraître une petite différence comme très importante.
  • Échelles non linéaires présentées comme linéaires : Utiliser une échelle logarithmique sans le préciser peut tromper le lecteur sur l'ampleur réelle des changements.
  • Échelles inversées : Parfois, l'axe des ordonnées est inversé pour faire croire à une diminution alors qu'il y a une augmentation, ou vice-versa.
• Choix inapproprié du type de graphique : Utiliser un graphique en camembert pour 15 catégories, par exemple, rend la lecture impossible et déforme l'information.
• Absence de légendes/sources : Un graphique sans titre, sans nom d'axes, sans unités et sans source est inutilisable et non crédible. Il empêche toute vérification et contextualisation.
• Données trompeuses :
  • Données sélectionnées : Ne montrer qu'une partie des données qui soutient un argument, en ignorant les données contradictoires.
  • Corrélation confondue avec causalité : Deux variables peuvent évoluer de manière similaire (corrélation) sans que l'une ne cause l'autre. Un graphique peut suggérer une causalité qui n'existe pas.
  • Effet de perspective 3D : Les graphiques en 3D, surtout les camemberts, sont souvent plus difficiles à lire car la perspective peut fausser la perception des proportions.

Face à tout graphique, adoptez une approche critique et méthodique.

• Questionner la source : Qui a produit ce graphique ? Quel est son intérêt ou son objectif ? Est-ce une institution fiable (Insee, Eurostat, OCDE) ou une entité avec un agenda politique ou commercial ?
• Vérifier la cohérence des données : Les chiffres présentés sont-ils logiques ? Sont-ils comparables à d'autres statistiques connues ? Y a-t-il des anomalies manifestes ?
• Identifier les biais potentiels : Le graphique est-il conçu pour mettre en avant un point de vue spécifique ? Le choix des couleurs, des échelles, ou même des mots dans le titre peut influencer la perception. Cherchez toujours ce qui pourrait être "caché" ou omis.
• Analyser le message implicite : Au-delà des données brutes, quel est le message que le créateur du graphique veut faire passer ? Est-il juste et étayé par les données ?

Les graphiques sont des outils puissants pour construire un argumentaire solide et clair en SES.

• Illustrer une thèse : Un graphique peut servir de preuve visuelle pour étayer une affirmation. Par exemple, pour soutenir que les inégalités de revenus ont augmenté, on peut montrer une courbe de Lorenz qui s'est éloignée de la droite d'équirépartition.
• Appuyer une démonstration : Au cours d'une explication, un graphique peut rendre des concepts abstraits plus concrets. Par exemple, un histogramme pour montrer la distribution des salaires.
• Comparer des situations : Les graphiques sont excellents pour comparer des données entre différents pays, différentes catégories sociales ou différentes périodes. Un graphique en barres groupées peut comparer les taux de chômage des jeunes en France et en Allemagne.
• Synthétiser des informations complexes : Un bon graphique peut résumer en une image un grand volume d'informations, rendant l'analyse plus accessible et mémorable. Par exemple, une seule courbe d'inflation sur 20 ans donne une vue d'ensemble rapide.

En résumé, maîtriser la lecture et la construction des graphiques est une compétence essentielle en SES, non seulement pour analyser les données, mais aussi pour communiquer efficacement et développer un esprit critique face à l'information.