Data visualisation : les erreurs qu’on voit encore trop souvent dans les dashboards

1. Penser “tout afficher” = “tout comprendre”

Par peur d’en oublier, beaucoup de dashboards deviennent des fourre-tout :

• 12 KPI visibles par défaut ;
• 8 filtres actifs dès l’ouverture ;
• 3 types de graphiques superposés… pour la même donnée.

🎯 La vraie question : à quel moment a-t-on besoin de quoi ?

👉 Un bon dashboard guide la lecture. Il priorise l’information, structure les niveaux de détail, et n’affiche pas tout… tout le temps.

2. Des filtres trop puissants (et donc inutilisables)

« On va leur laisser filtrer par région, secteur, typologie, mois, statut, source… »

Oui, mais avec 7 filtres mal hiérarchisés, personne ne les utilise, surtout si l’interface ne garde pas les choix en mémoire ou ne propose pas de préréglages.

Un bon design UX accompagne la segmentation :

• filtres groupés par usage ;
• options par défaut intelligentes ;
• affichage progressif, plutôt que des menus déroulants sans fin.

3. Des graphiques jolis, mais illisibles

Graphique en anneau, histogramme horizontal, radar en 3D… Les outils de data viz modernes ont élargi les possibilités. Mais ce n’est pas parce qu’on peut faire du “waouh” qu’il faut le faire.

Le rôle d’un graphique n’est pas d’impressionner. C’est d’être lu, compris et exploité.

Chez Wolfox, on challenge systématiquement chaque choix visuel :

• Pourquoi ce type de graphique ?
• Est-il lisible sur mobile ?
• Peut-on lire une tendance… ou juste une couleur ?

4. Une hiérarchie d’information confuse

Un bon dashboard raconte une histoire : il a un début, un milieu, une fin. Trop souvent, on voit :

• des indicateurs secondaires mis en avant ;
• des unités différentes dans le même écran ;
• des niveaux de lecture mélangés sans cohérence.

👉 Résultat : l’utilisateur ne sait pas par où commencer, ni ce qui est important.

🎯 La solution ? Structurer l’information comme une page éditoriale :

• en haut : une vue synthétique (3 à 5 indicateurs clés) ;
• en dessous : le détail, si nécessaire ;
• sur les côtés : des filtres discrets, mais accessibles.

5. Oublier le réel : les usages, les contextes, les personnes

Un dashboard ne vit pas seul. Il est utilisé par :

• une équipe commerciale en déplacement ;
• un manager qui le consulte 2 minutes avant un appel ;
• un analyste qui doit l’exporter vers PowerPoint ;
• un utilisateur aveugle, avec un lecteur d’écran.

Un bon dashboard, ce n’est pas juste des données bien affichées. C’est un outil de travail quotidien, pensé pour s’adapter à des usages variés.

🎯 À lire : Accessibilité : ce que chaque designer devrait intégrer par défaut

6. Coder l’information uniquement par la couleur

Rouge pour « en retard », vert pour « à jour » : c’est intuitif… sauf pour les personnes daltoniennes, sur un écran mal calibré ou sur une impression en noir et blanc. Associez toujours la couleur à un second repère : un libellé, une icône, une valeur ou un motif. Vérifiez aussi le contraste des couleurs de séries entre elles et avec le fond.

7. Des chiffres sans contexte

« 1 248 dossiers traités » : est-ce bien ou mal ? Un indicateur isolé ne dit rien. Donnez-lui un point de comparaison :

• une évolution par rapport à la période précédente ;
• un objectif ou un seuil ;
• une moyenne de référence ;
• la date de dernière mise à jour des données.

8. Négliger les états vides, les erreurs et le chargement

Que voit l’utilisateur quand il n’y a pas encore de données, quand un filtre ne renvoie rien ou quand la source ne répond pas ? Trop souvent, un graphique vide ou un zéro trompeur. Chaque état doit être conçu : un message clair, la raison, et l’action possible.

Comment éviter ces erreurs ?

Ces erreurs ont une cause commune : le dashboard est conçu à partir des données disponibles, et non des décisions que les utilisateurs doivent prendre. La démarche que nous appliquons :

1. observer et interroger les utilisateurs sur leurs décisions et leurs routines ;
2. définir pour chaque profil les 3 à 5 indicateurs qui comptent vraiment ;
3. prototyper avec des données réelles, pas avec des données fictives trop « propres » ;
4. tester avec les utilisateurs, puis mesurer l’usage après la mise en production.

Nous avons notamment accompagné les équipes data de la DGFiP sur plusieurs projets de visualisation de données, avec des designers intégrés en régie.

En conclusion, la data visualisation, ce n’est pas un bonus graphique. C’est un levier de compréhension, d’alignement et de décision.

Chez Wolfox, on ne fait pas que “rendre les données jolies”. On conçoit des dashboards qui font gagner du temps, de la clarté et de l’impact, pour les bonnes personnes, au bon moment. C’est l’un des piliers de notre travail sur les outils internes et les tableaux de bord métier.

→ Un dashboard à repenser ? Contactez-nous