Data Science : comment améliorer votre storytelling ?

Comment créer des histoires percutantes et convaincantes à partir de données numériques froides et muettes ? Des experts partagent leurs conseils sur la façon d’améliorer vos compétences en matière de narration et mieux communiquer les résultats de vos projets analytiques.

Donc voilà, vous avez fait une super analyse de données et vos conclusions sont vraiment très puissantes. Très bien. Et après ?

Ensuite, si vous ne pouvez pas faire passer correctement vos résultats à votre auditoire – que ce soit des métiers ou des dirigeants – votre super analyse ne vaudra pas un clou.

Donner un simple chiffre à quelqu’un fait rarement avancer les choses. Les gens veulent comprendre le « pourquoi » et le « comment ». La narration autour des données – le fameux Data Storytelling – part certes d’une réponse chiffrée, mais elle donne cette réponse mathématique de façon convaincante, compréhensible et donc plus appropriée.

« Le data storytelling ? C’est ce qui fait la différence entre gagner – ou non – l’adhésion des participants à un projet », résume Denise Tan, analyste chez StoryIQ, un cabinet de conseil en analytique.

Pour obtenir la validation d’un projet, il faut des indicateurs qui en démontrent le bien-fondé et les risques. Mais la narration fait passer d’un partage passif de l’information à une démonstration proactive de la manière dont un objectif sera atteint, dont les craintes seront dissipées, et dont sera intégré le projet dans les objectifs de l’organisation.

Compétences hybrides

Le Data Storytelling impose donc d’avoir à la fois des compétences en communication et en analytique. Un bon « conteur de données » doit savoir parler à la fois le langage technique et la langue managériale des métiers.

« Traduire l’analytique en informations assimilable pour les professionnels est primordial », rappelle Andrea Godfrey Flynn, directrice académique du programme de Master of Science in Business Analytics à l’école de commerce de l’Université de San Diego.

Car dans le cas contraire, les deux groupes – analytique et opérationnel – peuvent éprouver de la frustration en essayant de comprendre, souvent en vain, le travail et les objectifs de l’autre, explique-t-elle.

Trois ingrédients

Ian Rowlands d’ASG, éditeur de solutions de gestion de l’information d’entreprise (EIM), considère pour sa part que trois ingrédients sont clés pour un bon récit autour des données : la Data Science, la Data Visualisation et, évidemment, la narration.

La Data Science permet de trouver les bonnes données, de les préparer pour l’analyse et de construire des modèles pour mettre à jour les relations pertinentes entre les variables.

La visualisation représente les données graphiquement, de manière à ce que les métiers puissent les comprendre facilement. Elle est importante (lire ci-après) « mais la visualisation n’écrit pas l’histoire », avertit Ian Rowlands. Le Data Storytelling doit expliquer à un public « ce que les données signifient pour lui ».

Et c’est ce que fait la narration. Elle dépeint un contexte pour mieux resituer la valeur des données. « C’est peut-être la partie la plus difficile », prévient Ian Rowlands. Une bonne narration exige en effet d’avoir de la crédibilité, de raisonner de manière convaincante et de se connecter émotionnellement avec le public.

Comment faire ? Pour le responsable d’ASG, « la meilleure façon de devenir un bon conteur… c’est de raconter des histoires. ».

Structure narrative

Toute bonne histoire repose sur une structure narrative qui commence par poser le décor, qui met ensuite en place un récit (avec des acteurs pris dans un ressort dramatique) et qui le mène jusqu’à une conclusion. Dans le cas du Data Storytelling, la conclusion peut être une recommandation et il est important d’aborder aussi les risques et les solutions bis.

Un bon narrateur tente également de prévoir les objections que l’on pourrait lui faire afin de les intégrer dans l’histoire elle-même, ce qui lui évite de perdre le fil ou de s’égarer.

Une bonne pratique consiste à répéter devant un public « d’entraînement » qui peut vous faire des remarques et vous poser des questions auxquelles vous pourriez avoir à faire face pendant votre vraie présentation.

Connaissez et impliquez votre audience

« Dans n’importe quel scénario, il est essentiel de savoir devant qui vous allez faire votre présentation et ce qui les intéresse », confirme Andrea Godfrey Flynn. Ce conseil est particulièrement important pour les données, car il faut adapter votre histoire pour mettre en évidence les éléments analytiques qui sont les plus importants pour votre auditoire.

Va-t-il vouloir connaître les détails techniques de votre workflow analytique ou seulement vos principales conclusions ? Voudra-t-il avoir une compréhension claire des données ou faut-il passer plus de temps sur la partie préconisation d’action « data driven » ?

Soyez clair, concis, précis

Une fois que vous avez ces éléments en tête, pensez à les articuler de façon concise dans ce qui sera le cœur de votre histoire.

« Si le public ne comprend pas, dès le début, l’idée centrale [de votre présentation] et pourquoi cette idée est importante pour eux, vous les perdez », assène Andrea Godfrey Flynn. À l’inverse, si vous êtes parfaitement clair sur votre idée motrice, il vous sera plus facile de rentrer dans les détails tout en gardant l’attention de votre public.

Vous pouvez améliorer vos compétences en Data (Science) Storytelling en vous exerçant puis en sollicitant les commentaires de vos collègues, avance la responsable de l’Université de San Diego. Suivre un cours de comédie pourrait aussi vous aider à adapter votre histoire au pied levé en travaillant vos capacités d’improvisation et votre confiance en public.

Utilisez une (bonne) Data Visualisation

Kislaya Prasad, professeur et chercheur dans l’école de commerce de l’Université du Maryland, suggère d’apprendre à exposer rapidement une question qui servira d’accroche. Une question, évidemment, en rapport avec le cœur de votre récit.

Puis, continue-t-il, les choses doivent s’enchaîner, les unes entraînant les autres, naturellement, selon un déroulé peaufiné et aboutir à une conclusion nette.

Pour lui, pour maîtriser cet art du déroulé narratif, cela vaut la peine de prendre un peu de temps pour relire ses classiques, intemporels, comme les contes de fées et les histoires pour enfants. « Quiconque s’assoit à côté d’un enfant pour lui lire un conte sait que notre esprit humain est fait pour qu’on lui raconte des histoires », résume Kislaya Prasad.

« La présentation des résultats de l’analyse, c’est le moment où on la raconte aux autres ».
Kislaya PrasadProfesseur et chercheuse, Ecole de commerce de l'Université du Maryland

Or dans toute analyse, les données ont une histoire à raconter. « L’exploration et la découverte des données sont les moments où nous testons [des intrigues] et où nous envisageons un récit dans son ensemble. La présentation des résultats de l’analyse, c’est le moment où on la raconte aux autres ».

Pour raconter cette histoire, la maîtrise des techniques de Data Visualisation – si elle ne fait pas l’histoire comme on l’a dit plus haut – peut cependant aider. À condition que les représentations soient bien choisies.

Il est donc important d’étudier les meilleures dataviz que vous avez vues, de vous demander ce qui fait qu’elles sont si bonnes dans un récit, et ce qui est mauvais dans celles qui ne le sont pas.

Cultiver l’implication émotionnelle

Il ne faut pas non plus oublier des facteurs humains comme l’implication émotionnelle – qui ont la capacité de captiver un public et qui s’appliquent à la Data Science de la même manière qu’à tout autre type de récit, rappelle Angel Durr, fondatrice de DataReady, un programme de formation en données.

Les conférences TED en sont de bons exemples. « Les orateurs vous attrapent en très peu de temps, puis ils gardent votre attention en vous impliquant à un niveau personnel [N.D.R. : comme en utilisant l’humour ou des anecdotes émouvantes], tout en vous transmettant une idée importante »

Angel Durr recommande, elle aussi, de s’exercer à raconter des histoires en général pour améliorer son Data Storytelling en particulier. Pourquoi pas en faisant du bénévolat dans une école primaire ou pour faire la lecture à des personnes âgées ? « Si vous pouvez lire une histoire à des publics comme ceux-là, et que vous essayez de les garder attentifs et intéressés, vous développerez le type de compétences dont vous aurez besoin pour articuler des idées complexes à un public ayant une connaissance limitée des données. En plus de faire une bonne action ».

Andrea Godfrey Flynn, de l’Université de San Diego, raconte que son exemple préféré de récit autour des données est l’intervention de Hans Rosling lors d’un Ted Talk baptisé « The best stats you’ve ever seen ».

Le médecin et statisticien suédois y utilise une modélisation graphique sophistiquée et interactive qui synthétise cinquante ans de données démographiques de l’ONU. Il commence par une question, puis lance une blague, puis il illustre visuellement comment la durée de vie et la taille des familles ont évolué dans tous les pays depuis les années 1960, le tout en mettant en permanence au défi notre perception du monde.

« Ce pourrait être une présentation très technique et très sèche. Mais il a le talent pour illustrer puissamment comment nos préjugés biaisent notre compréhension des différents pays et régions de la planète », s’enthousiasme Andrea Godfrey Flynn.

Hans Rosling fait ce qui peut être considéré comme une présentation de référence, à analyser et à décortiquer dans le détail par tout Data Storyteller, comme on plongerait dans un roman ou dans un jeu de données.

Pour approfondir sur Intelligence Artificielle et Data Science

Close