La Palette de Couleurs Viridis : Un bon choix dans la visualisation de données

Parmi les nombreux outils disponibles pour optimiser la clarté et l’impact des visualisations, la palette de couleurs Viridis s’est imposée comme un choix incontournable pour les analystes de données dans les dernières années. Il est important de se rappeler qu’une mauvaise visualisation peut nuire à la compréhension des données, voire orienter une décision dans la mauvaise direction.

Cet article explore pourquoi et comment peut être utilisée la palette Viridis dans les projets BI.

Développée initialement pour le package Python Matplotlib, la palette de couleurs Viridis a ensuite été intégrée dans R et d’autres outils de visualisation. Elle a été conçue pour répondre à des besoins spécifiques en termes d’accessibilité et de lisibilité des données.

Elle remplace ainsi la palette de couleur Parula, créée pour MATLAB, en propriété intellectuelle de Mathworks.

Une des caractéristiques les plus remarquables de Viridis est sa compatibilité avec les différentes formes de daltonisme. Contrairement à de nombreuses palettes traditionnelles, Viridis reste uniforme de façon perceptible et facilement distinguable par les personnes atteintes de déficiences visuelles.

Viridis maintient une uniformité perceptuelle, ce qui signifie que les variations de couleurs sont constantes et non trompeuses, assurant une bonne interprétation des données. Cela est crucial pour éviter les biais visuels dans l’analyse des données. Les couleurs Viridis permettent également d’être imprimées en noir et blanc tout en maintenant une bonne distinction dans les différentes teintes.

La palette Viridis comprend plusieurs variantes telles que :

• Magma,
• Plasma
• Inferno
• Cividis
• Mako
• Rocket,
• et Turbo

Chacune adaptée à différents besoins de visualisation. Cette diversité permet de choisir la palette la plus appropriée en fonction du type de données et du message à transmettre.

Pour les analystes en intelligence d’affaires, l’intégration de la palette Viridis dans les visualisations peut transformer la manière dont les données sont perçues et interprétées. Voici quelques conseils pour optimiser son utilisation :

Sélectionnez la variante de Viridis qui correspond le mieux à vos données. Par exemple, Plasma peut être plus adaptée pour des visualisations nécessitant des contrastes plus forts, tandis que Cividis est idéale pour les utilisateurs daltoniens.

Viridis peut être utilisée pour les visualisations de données dont les données sont continues. Sa capacité à représenter une large gamme de valeurs de manière uniforme en fait un excellent choix pour les cartes de chaleur et les graphiques de densité.

La palette Viridis est facilement intégrable dans des outils de visualisation populaires comme ggplot2 en R, où elle peut être appliquée via des fonctions ou encore dans Power BI, où il peut être possible d’aller chercher la palette sur le web.

La palette de couleurs Viridis est une avancée significative dans le domaine de la visualisation de données. Conçue pour être accessible, uniforme et flexible, elle résout de nombreux problèmes associés aux palettes de couleurs traditionnelles. Son code ouvert et libre de droit est également un élément très appréciable.

Des outils d’IA peuvent avoir soutenu la création de ce contenu.

Sources :

1. https://cran.r-project.org/web/packages/viridis/vignettes/intro-to-viridis.html
2. https://jmsallan.netlify.app/blog/the-viridis-palettes/
3. https://sjmgarnier.github.io/viridis/
4. https://waldyrious.net/viridis-palette-generator/
5. https://www.thinkingondata.com/something-about-viridis-library/
6. A Better Default Colormap for Matplotlib | SciPy 2015 | Nathaniel Smith and Stéfan van der Walt (youtube.com)