Visualisation, éthique et sécurisation des données
Fil principalVisualisation responsable et confidentialité
DonnéesDonnées COVID et cas éthiques
DéfiVisualisations commentées et note éthique
Produit fini du module
Produit final
Des visualisations responsables accompagnées d’une note éthique
Le résultat attendu montre des données sensibles avec retenue et explicite les choix de protection, de lecture et de communication.
Objectifs du module
À la fin de ce module, vous devriez être capable de:
- Identifier des problèmes éthiques dans des visualisations.
- Anonymiser correctement des données.
- Appliquer les bonnes pratiques de visualisation pour représenter les données de manière claire et honnête.
- Identifier et éviter les biais de présentation des données.
- Comprendre les enjeux éthiques et de confidentialité liés à la science des données.
- Mettre en place des mesures de protection et de sécurisation des données sensibles.
- Expliquer les principes CRAP.
- Expliquer les principes FAIR.
Préparer le module
Prérequis
Reprenez un graphique du module 5 et une décision de nettoyage du module 4. Ce module demande de relier une sortie technique à ses conséquences pour les personnes représentées.
Parcours minimal
Repérez un problème de graphique, un risque de réidentification et une limite de l’analyse, puis proposez une correction vérifiable. Une note éthique courte et précise est préférable à une promesse générale.
CRAP et FAIR en pratique
Utilisez CRAP pour examiner contraste, répétition, alignement et proximité dans une visualisation. Utilisez FAIR pour demander si les données et leur documentation peuvent être trouvées, comprises et réutilisées de façon responsable.
Lectures et aide
Commencez par les ressources indispensables indiquées dans le plan, puis gardez les lectures d’approfondissement pour la révision. En cas de doute, ne publiez pas une information potentiellement identifiante.
Plan d’apprentissage
Les cartes reprennent les cinq étapes du plan: lectures, aventure, défi, exercices et rétroaction IA. L’aventure et le défi forment le fil narratif du module. Les exercices sont autonomes et servent à consolider les mêmes réflexes dans d’autres contextes. La rétroaction IA revient sur un élément du travail déjà réalisé; elle ne demande aucune remise supplémentaire.
1 Lectures à faire Préparer visualisations responsables, confidentialité et éthique. Dans la carte Ouvrir la carteRéduire
Lectures
Pour vous préparer, consultez les ressources suivantes :
- R for Data Science - Communication
- Fundamentals of Data Visualization - Directory of visualizations
- Royal Statistical Society - Best Practices for Data Visualisation
- Gouvernement du Québec - Anonymisation
- CNIL - L'anonymisation de données personnelles
- Wilkinson et al. (2016) - FAIR Guiding Principles
Aide-mémoire Posit
- Data visualization with ggplot2 :: Cheat Sheet
Référence rapide pour reconstruire des visualisations lisibles et défendables.
Vérification Après les lectures, faites le mini-test formatif.
2 Aventure Transformer des données sensibles en messages visuels prudents. Aventure Ouvrir la carteRéduire
Objectif Passer de la lecture à la pratique guidée.
Ressource Page Aventure
Action Suivre les consignes, exécuter le code et garder les sorties importantes.
Résultat Un premier objet de travail que vous pouvez expliquer.
Arrêtez-vous après chaque résultat important et formulez ce qu’il montre.
3 Défi Analyser des visualisations avec une note éthique argumentée. Défi Ouvrir la carteRéduire
Défi - Analyse éthique et visualisations responsables
Vous transformerez l'audit de l'aventure en note éthique reproductible :
- identifier des problèmes précis dans le rapport initial;
- produire une version anonymisée des données;
- créer deux visualisations corrigées et défendables;
- formuler les limites et les risques résiduels.
4 Exercices Pratiquer graphiques responsables, anonymisation et notes éthiques. Exercices Ouvrir la carteRéduire
Ressource Page Exercices
Pourquoi Les exercices utilisent des données réelles agrégées de Sherbrooke, de Statistique Canada et de Données Québec afin de pratiquer une diffusion responsable sans répéter le défi.
Avant d'ouvrir une solution, formulez le risque éthique ou visuel que vous cherchez à réduire.
5 Rétroaction IA Faire relire un extrait du travail, puis décider quoi améliorer soi-même. Mode /retroaction Ouvrir la carteRéduire
Point de départ Choisissez un seul élément réellement produit dans l'aventure, le défi ou les exercices: un extrait de code, un graphique, une interprétation ou un choix méthodologique.
Préparer Donnez la consigne, le contexte, ce que vous avez essayé et l'élément précis à relire.
Demander Ouvrez GPT STT-1100 en mode /retroaction. Demandez un point solide, une fragilité à vérifier et une question qui vous aidera à corriger.
Décider Comparez la réponse aux données et à la consigne. Modifiez vous-même seulement ce que vous comprenez et pouvez expliquer.
Demande prête à copier
/retroaction Je termine ce module. Voici la consigne visée, ce que j'ai essayé et l'extrait précis que je veux améliorer. Donne-moi un point solide, une fragilité à vérifier et une question qui m'aidera à corriger moi-même. Ne réécris pas tout le travail.
Résultat attendu Une amélioration comprise et appliquée dans votre travail, ou une raison claire de ne pas suivre la suggestion. Il n'y a ni portfolio ni remise supplémentaire à produire.
Confidentialité Ne transmettez aucune donnée personnelle, confidentielle ou protégée.