Fig.4.8 – Modèle de [CMS99] pour la visualisation d’information
sans distorsion avec distorsion
Fig.4.9 – Exemple de distorsionfish eye
Fig. 4.10 – Visualisation d’un arbre dans un plan hyperbolique avec le logiciel Inxight StarTree11
4.2 - Visualisation d’information 93 variables, regroupement d’individus, formatage de variables, ordonnance- ment des modalités d’une variable, etc.). Pour ce qui concerne ces transfor- mations, les techniques d’interaction les plus courantes sont les suivantes : – le filtrage dynamique (introduit dans [WS92]), qui consiste à sélection- ner les individus à visualiser par des requêtes dynamiques (l’affichage est mis à jour instantanément) portant sur les variables et soumises généralement par l’intermédiaire de cases à cocher (pour des variables qualitatives) ou de sliders (pour des variables quantitatives) [AS94b] ; – le détail à la demande, qui consiste à choisir un élément dans la re-
présentation et à faire apparaître des informations supplémentaires le concernant (souvent dans une fenêtre de typepop-up ou infobulle) ; – le brushing, qui consiste à inclure dans ou exclure de la visualisation
tout un sous-ensemble d’individus sélectionnés par l’utilisateur à l’aide du pointeur [Wil96].
2. L’encodage graphique est le coeur de la visualisation d’information : il s’agit de réécrire les données sous forme d’objets graphiques en associant à chaque variable dans les données une variable graphique (une position, une longueur, une aire, une couleur, une luminosité, une saturation12, une forme, une texture, un angle, une courbure...). Les objets graphiques peuvent être de zéro à trois dimensions, c’est-à-dire un point, une ligne, une surface, ou un volume. L’évolution des objets dans le temps (modification des variables graphiques) peut constituer une dimension supplémentaire.
Pour ce qui concerne l’encodage graphique, les interactions consistent à modifier les associations entre données et graphisme (comme par exemple changer de variable sur un axe). Une interface classique pour cela consiste à présenter à l’utilisateur un graphe dont les noeuds symbolisent les variables des données et les variables graphiques, et dont les arcs sont fixés par l’utilisateur pour indiquer les associations choisies.
3. Les transformations sur la vue concernent la présentation des objets gra- phiques à l’utilisateur. La vue affichée à l’écran peut être en 3D (même si les objets graphiques ne sont pas en 3D) ou en 2D. Pour ce qui concerne les transformations sur la vue, les techniques d’interaction les plus courantes sont les suivantes :
– le contrôle du point de vue, qui s’effectue par translation, rotation, ou zoom, et peut être exocentrique (l’utilisateur déplace la représentation alors que le point de vue est fixe) ou bien égocentrique (l’utilisateur déplace le point de vue alors que la représentation est fixe) ;
– les vues multiples (overview+details), qui permettent à l’utilisateur d’avoir une vue globale et une vue détaillée sur la même représentation par deux fenêtres (le brushing effectué dans une vue est aussi visible dans l’autre, c’est ce qu’on appelle le linking+brushing) [Shn96] ; – les techniques dites focus+context qui intègrent les détails dans la vue
globale en les révélant autour du focus (point d’intérêt) de l’utilisateur,
12Ce que l’on appelle communément "couleur" regroupe en fait trois notions différentes : la couleur (est-ce rouge ? jaune ? bleu...), la luminosité (est-ce plus ou moins clair ?), et la saturation (est-ce plus ou moins intense ?) [Wil05].
soit par affichage direct (fish eye filtrant, introduit dans [Fur86]), soit par distorsion de la vue (fish eye déformant [SB92] et plans hyperboliques13[LRP95], voir figures 4.9 et 4.10).
Certaines techniques combinent plusieurs types de transformations. Par exemple, le zoom sémantique est un zoom (transformation sur la vue) qui change les données visualisées (transformation sur les entrées) : plus l’utili- sateur zoome et plus le niveau de détail des données s’élève [HBL01]. Il est donc possible de zoomer continuellement tant que le niveau de détail le plus faible n’est pas atteint. Ce type d’outils de visualisation est appelé interfaces zoomables.
Au regard du modèle de Card, Mackinlay, et Shneiderman, nous pouvons formaliser les différences entre les méthodes de post-traitement de règles d’as- sociation ainsi :
– les méthodes d’exploration de règles (section 4.1.1) sont réduites aux trans- formations sur les entrées ;
– les méthodes de visualisation de règles (section 4.1.2) comportent bien sûr un encodage graphique et des transformations sur la vue, mais restent pauvres en ce qui concerne les transformations sur les entrées.
Comme nous le verrons à la section 4.5, la méthodologie proposée dans cette thèse pour le post-traitement de règles instancie le modèle dans ses trois com- posantes.
4.2.2 Principes de visualisation de Bertin
Plusieurs auteurs ont proposé des classifications des encodages graphiques dans le but de déterminer les encodages les plus efficaces en fonction des va- riables à représenter. Parmi ces travaux, ceux de Cleveland [CM84] puis Wil- kinson [Wil05] font référence pour ce qui concerne les graphiques statistiques (diagrammes, nuages de points, etc.). Un second courant est issu de la carto- graphie, avec les travaux de MacEachren [Mac95] et surtout Bertin, dont la Sémiologie graphique [Ber67] est considérée comme la première théorie structu- rale des graphiques. Bien que Bertin couchait ses représentations sur du papier, ses principes font toujours référence pour la visualisation sur ordinateur. Pour ce qui concerne la visualisation, nous nous appuyons principalement dans cette thèse sur les travaux de Bertin.
Les variables graphiques étudiées par Bertin dans [Ber67] sont la position, la taille, la luminosité, la texture, la couleur, l’orientation, et la forme. La position
13Le plan hyperbolique est un plan possédant toutes les propriétés du plan euclidien mis à part que par un point extérieur à une droite on peut tracer plusieurs parallèles. Un tel plan peut être défini de la manière suivante : les points du plan hyperbolique sont les points intérieurs d’un disque (euclidien), et les droites du plan hyperbolique sont les cercles perpendi- culaires au disque. L’intérêt des plans hyperboliques pour la visualisation est qu’ils permettent de représenter des entités non bornée (comme une droite) dans une surface de visualisation bornée.
14La variation d’orientation des traits est sélective s’il s’agit de traits isolés, ou bien de traits juxtaposés pour représenter des lignes (lignes hachurées), mais pas s’il s’agit de traits juxtaposés pour représenter des surfaces (surfaces hachurées).
4.2 - Visualisation d’information 95
Taille :
Luminosité :
Texture :
Couleur :
Orientation :
Forme :
Tab.4.1 – Les variables rétiniennes de Bertin
Type de variable à représenter
variable nominale variable ordinale
variable quantitative Perception
mise en jeu associative sélective ordonnée quantitative
Position ¥ ¥ ¥ ¥
Taille ¥ ¥ ¥
Luminosité ¥ ¥
Texture ¥ ¥ ¥
Couleur ¥ ¥
Orientation ¥ ¥14
Forme ¥
Les¥indiquent quelles variables graphiques sont adaptées à la représentation de quelles variables dans les données.
Tab.4.2 – Adéquation entre variables graphiques et variables à représenter (d’après Bertin [Ber67])
joue un rôle particulier en visualisation puisqu’il s’agit de l’information visuelle perceptivement dominante dans une représentation [Ber67] [CMS99] [Wil05].
Les six autres variables (voir tableau 4.1) sont appelées "variables rétiniennes"
par Bertin car il est possible de percevoir leurs variations sans mettre à contri- bution les muscles du système optique, contrairement à la position. Pour ce qui concerne la taille, il est à noter que cette variable graphique désigne davantage des surfaces que des longueurs. En effet, comme l’écrit Bertin, "c’est la variation de surface qui constitue le stimuli sensible de la variation de taille" [Ber67]. Les encodages graphiques fondés sur des surfaces sont donc plus pertinents que les encodages fondés sur des longueurs. Remarquez que dans certains cas, la varia- tion de surface se ramène à la variation d’une seule longueur (comme dans un diagramme en barres, où tous les rectangles ont un côté de même longueur).
Afin d’estimer les différentes possibilités d’encodage avec ces sept variables graphiques, Bertin identifie quatre attitudes envisageables pour une personne face à des données [Ber67] :
– la perception associative, lorsque l’utilisateur cherche à regrouper les dif- férentes modalités d’une variable nominale pour pouvoir les repérer toutes ensemble ;
– la perception sélective, lorsque l’utilisateur cherche à distinguer les diffé- rentes modalités d’une variable nominale ;
– la perception ordonnée, lorsque l’utilisateur cherche à percevoir l’ordre des modalités d’une variable ordinale ;
– la perception quantitative, lorsque l’utilisateur cherche à percevoir les rap- ports entre les valeurs d’une variable quantitative.
Bertin synthétise ses principes de visualisation dans le tableau 4.2, qui montre l’adéquation entre variables graphiques et variables à représenter.