JO : Les athlètes françaises sont-elles meilleures que leurs homologues masculins ? Réponse en Dataviz

Qui n’a pas déjà vécu des débats enflammés, sur des sujets variés du quotidien ou d’actualité, lors de repas du dimanche en famille ? Des discussions où chacun avance des affirmations sans pouvoir complètement vérifier leur véracité avec des chiffres ? Nous vous proposons de répondre à des questions que (presque) tout le monde se pose grâce à des dataviz basées sur des données ouvertes et disponibles pour quiconque souhaiterait pousser l’analyse plus loin que le repas du dimanche. Pour ce premier article, cap sur les Jeux olympiques et la comparaison entre les athlètes féminines et les athlètes masculins…

Ces articles nous offriront également l’occasion de rappeler quelques bonnes pratiques dans la création de tableaux de bord grâce à la Datavisualisation, et les différents pièges à éviter pour garantir une analyse la plus efficace possible et prévenir d’éventuels biais dans les réponses aux problématiques posées.

Pour ceux qui auraient raté l’annonce, les JO de Paris 2024 devraient s’imposer comme les premiers de l’histoire à garantir une égalité parfaite en nombre d’athlètes féminins et masculins.

A l’occasion de cette annonce et de la journée internationale des droits des femmes le 8 mars, nous nous sommes donc posé la question suivante : les femmes françaises sont-elles meilleures que leurs homologues masculins aux Jeux olympiques ?

Datavisualisation : bien comprendre la question pour bien évaluer les données nécessaires

Première étape : quelle est vraiment la question posée ? Nous le répétons souvent dans notre méthodologie Dashboard Design, une des premières étapes lors de la construction d’un tableau de bord est de comprendre la problématique soulevée, notamment en utilisant des termes dont la compréhension est garantie et partagée par tous les futurs utilisateurs. La question posée aujourd’hui est (volontairement ?) trop imprécise : qu’entend-on par « meilleures » ? De quels JO parle-t-on ?

Il convient donc d’essayer de préciser l’objet de notre débat avec des termes et mesures les plus factuels possibles pour prévenir d’éventuels biais d’interprétation : les athlètes féminines françaises ont-elles remporté plus de médailles que leurs homologues masculins lors des JO d’été ? Peut-on en déduire des différences de performance entre femmes et hommes ? Et pour aller plus loin, peut-on en déduire des plans d’action à mettre en place pour réduire une éventuelle différence de performance ?

Les nouvelles questions posées permettent de mieux comprendre la proposition de valeur attendue et d’orienter le choix des données et indicateurs qui permettront d’apporter des éléments de réponse.

Un chiffre sans contexte n’a aucune valeur […] La vraie valeur d’un indicateur apparaît lorsqu’on lui associe un contexte : objectifs, comparaisons avec ce qui est comparable, croisement avec d’autres données…

Nous avons donc ensuite cherché les différentes données disponibles qui nous permettraient de construire notre analyse et nos visualisations, et avons sélectionné 3 sources d’informations :

• Le tableau des médailles obtenues par la France lors des différents JO d’été
• L’historique des résultats des athlètes dans l’histoire des JO (avec diverses informations et notamment le sexe)
• Des informations chiffrées sur le nombre femmes participant aux JO

Le premier indicateur qui semble pertinent à mettre en valeur est naturellement la répartition des médailles obtenues par la France entre hommes et femmes. Nous avons choisi de nous intéresser à toutes les éditions des JO d’été depuis 1948, et la sentence est irrévocable : 76% des médailles ont été glanées par des hommes ! Mais ces chiffres ont-ils réellement un sens  au regard de notre problématique initiale ?

Allons voir cela d’un peu plus près…

Un chiffre sans contexte n’a aucune valeur

Présenter un indicateur, ce n’est pas uniquement présenter un agrégat de données sous la forme d’un nombre ou d’un visuel. La vraie valeur d’un indicateur apparaît lorsqu’on lui associe un contexte : ajout d’objectifs, de comparaison par rapport à une période précédente ou croisement avec d’autres données qui permettent d’apporter du sens et de délivrer un message.

Dans notre cas, pour répondre à une volonté de comparaison de performance, il est primordial de ne pas observer le nombre de médailles sans s’assurer de l’égalité des chances et ainsi « comparer ce qui est comparable ». Et c’est à ce moment précis que l’annonce faite pour les JO de Paris prend tout son sens, en regardant le pourcentage de femmes parmi les athlètes participants aux successives éditions.

Cette visualisation permet immédiatement de mettre en perspective l’indicateur brut « nombre de médailles » : comment peut-on en retirer une quelconque information si l’équilibre entre participants n’est pas respecté (c’était un euphémisme en 1948) ?

Regardons en détails le nombre de médailles par édition grâce au visuel ci-dessous :

L’objectif est donc de trouver un nouvel indicateur qui répond à la problématique initiale, et pour cela nous pouvons par exemple créer un indicateur « Pourcentage de médaillés » qui prend en compte le nombre de participants à la fois femmes et hommes, pour essayer de lisser l’iniquité observée chaque année, et cela permet une toute nouvelle analyse grâce au même visuel :

On observe maintenant une répartition bien plus équilibrée et il devient complexe de répondre de manière binaire : on pourrait se dire que cela dépend des éditions… et bien évidemment d’un plus grand nombre de critères.

Performance des athlètes féminines vs athlètes masculins : peut-on réellement répondre à la question ?

« D’après ces éléments, on construirait donc des tableaux de bord avec un certain nombre de visualisations et on n’obtiendrait pas de réponse précise ? »

Bien évidemment, cela dépend du niveau de précision et de complexité de la problématique posée. Dans notre cas, la performance d’athlètes de haut niveau s’explique par un très grand nombre de caractéristiques que nous ne pouvons pas étudier aussi rapidement. Les visuels construits nous permettent cependant d’éviter des conclusions trop hâtives : le tableau de bord ne donne pas toujours une réponse simple. Néanmoins, il peut à la fois alerter sur certains sujets et apporter des éléments de réponse qui ensuite permettent à son utilisateur d’effectuer une analyse et de mettre en place des actions pour creuser la problématique.

Il est donc essentiel de faire attention en préambule à bien comprendre le besoin, à le formuler d’une manière qui n’oriente pas l’analyse afin d’être le plus objectif possible et ne pas anticiper les résultats.

Toutes ces remarques sont importantes à garder à l’esprit dans la construction de dataviz, peu importe le contexte qu’il soit métier, journalistique ou autre.

La conclusion cet été aux JO de Paris ?

Ce qui est (a priori) certain, c’est que nous serons pour la première fois en capacité de répondre de façon binaire : les athlètes féminines françaises ont-elles remporté plus de médailles que leurs homologues masculins lors des JO d’été de Paris 2024 ?

Pour le reste des questions, comme déjà évoqué, nous vous laissons collecter des données plus détaillées sur différentes caractéristiques pour mettre en valeur les raisons de performance de nos athlètes, et surtout… souhaitons que tous nos françaises et français rapportent le plus de médailles possibles !

>> Voir l’ensemble de la Datavisualisation dédiées aux médailles féminines et masculines françaises aux JO d’été depuis 1948.

Rendez-vous « en chanson » dans un prochain article pour une nouvelle question et une nouvelle dataviz essayant d’y répondre ! En attendant, je vous invite à découvrir l’article « Move2cloud : et si c’était le moment de repenser vos dashboards ? » et le replay « Dashboard Design : l’art et la manière de nos data artists ».

Envie d’échanger à ce sujet ? Un projet en cours ? Contactez-nous 😊

👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn 👈