Par Chloé TOMMASSI
À l’image de la maladie, les informations sur le Covid-19 circulent rapidement. Les réponses à 3 questions sont particulièrement recherchées : « combien de cas, quand et où ? » Or, ces réponses peuvent être apportées par la cartographie : les données chiffrées de la progression de l’épidémie, notamment issues de l’Organisation Mondiale de la Santé ou d’institutions nationales de santé, ont été utilisées pour observer l’évolution et comprendre les spécificités de l’épidémie. Voici un petit aperçu de ces cartes et datavisualisation mises en ligne ces dernières semaines.
Observer
Un des premiers objectifs de ces représentations est, semble-t-il, de tenir les comptes : observer l’évolution, en quasi-temps réel, et pays par pays. C’est ce que propose notamment le CSEE (Center for Systems Science and Engineering) de l’Université Johns Hopkins (Baltimore, Maryland, États-Unis), avec son tableau de bord du Covid-19.
Largement relayé, ce tableau de bord basé sur la solution ArcGIS Online de ESRI (et dont l’OMS a publié sa propre version, assez similaire) permet de visualiser rapidement le nombre de cas recensés dans le monde, le nombre de cas par pays (avec un classement des pays selon ce chiffre), le nombre de décès et le nombre de rétablissements, et leur évolution dans le temps. Nous avons donc rapidement la réponse à nos trois questions « où, quand et combien ? ». En prime, un début de réponse à la question « Comment ? » : la courbe d’évolution permet une première caractérisation de la propagation du virus, avec une croissance de plus en plus rapide ces dernières semaines. Le but de cette visualisation est double [1] : informer rapidement tout individu sensible à ce type de représentation, et transmettre des jeux de données aux scientifiques pour alimenter des analyses ou datavisualizations diverses. Les choix sémiologiques simples (rouge pour les malades / vert pour les rétablissements) permettent de répondre à ces deux objectifs, et témoignent dans le même temps que cette représentation n’est pas nécessairement la finalité de ce projet (certaines données sont recensées au niveau national, et d’autres à un niveau plus local, notamment pour les États-Unis et la Chine qui rend difficile la comparaison pays par pays).
D’autres cartographies interactives ont cet objectif de tenir les comptes des cas partout dans le monde, et la qualité et la teneur des représentations varient selon les éditeurs : la chaîne d’information Channel News Asia a par exemple posté une cartographie plus simple, tandis que des chercheurs de la London School of Hygiene & Tropical Medicine ont publié une application Shiny intitulée Covid 2019 tracker permettant de d’observer l’évolution du virus par une animation, et de comparer cette évolution avec celles du SRAS, de la grippe H1-N1 ou encore d’Ebola (figure 2) :
Comprendre
Comprendre les évolutions de l’épidémie jusqu’ici est un premier pas vers la prévision et l’anticipation afin d’améliorer la réponse des pouvoirs publics et des individus : c’est pourquoi plusieurs visualisations offrent des clés d’analyse ou de contexte.
Our World in Data propose par exemple une série de data visualisations interactives (principalement sous forme de graphiques) ainsi qu’un état des recherches sur le sujet.
Le graphique de la figure 3 permet d’observer et de comparer l’évolution du nombre de cas d’un pays à l’autre, avec deux particularités. La première particularité est que l’échelle logarithmique du nombre de cas en ordonnée permet de tracer des droites au-delà desquelles le nombre de cas double tous les 2 jours, 3 jours, 5 jours, ou 10 jours. La seconde est que l’abscisse a une origine relative pour chaque pays : on compare les évolutions à partir du jours où le 100ème cas a été confirmé. Ce type de représentation peut par exemple être utile pour comparer deux pays ayant pris des mesures différentes, et ainsi avoir mesurer leur efficacité respective pour freiner l’avancée de l’épidémie.
Car comprendre permet ensuite d’agir : la réduction du nombre de décès passe tout d’abord par un ralentissement des contaminations. Dans la presse et sur les réseaux sociaux, cela est traduit par l’expression Flatten The Curve, tirée du schéma suivant (figure 4):
C’est ici la capacité des structures de soin qui est déterminante pour faire baisser la mortalité. L’analyse des mesures de quarantaines, ou encore l’impact de la structure démographique (et notamment du nombre de personnes âgées) sont aussi mobilisés pour mieux comprendre et répondre à l’épidémie.
D’autres visualisations (figure 5) proposent un contexte plus global pour évaluer à la fois l’importance de cette crise sanitaire dans l’histoire des épidémies mondiales, et la fréquence d’apparition des crises de ce type.
Enfin, pour aller plus loin dans l’analyse et l’anticipation, des outils de modélisation sont également mobilisés. C’est notamment le cas d’EpiRisk (figure 6), qui permet de calculer la probabilité d’exporter ou d’importer un virus d’un pays à l’autre, sur la base du trafic aérien et de modélisations des mobilités d’une région à l’autre.
Conclusion : le rôle de la datavisualisation dans le cas de l’épidémie du Covid-19
Cette introduction à un article du blog de Datawrapper résume bien ce vers quoi tendent toutes ces représentations : informer sans effrayer. Pour cela, cet article propose une vingtaine de visualisations graphiques ou cartographiques modifiables et réutilisables pour mieux communiquer et informer sur le virus. Cet objectif d’«informer sans effrayer» passe également par les modes de représentations et les choix sémiologiques des différents auteurs : ainsi le fait d’utiliser des couleurs qui ne se rapportent pas directement à la notion de danger (le orange dans le Covid Tracker, les décès en blanc dans le tableau de bord du John Hopkins University, ou ici le bleu pour DataWrapper) peut-être analysé en ce sens.
Observer, comprendre, contextualiser, analyser : ces applications, sites web ou articles permettent, à partir de données issues des centres de soin, de comprendre la situation dans laquelle nous nous trouvons pour agir en conséquence, individuellement et collectivement [2]. Face au nombre de morts grandissant, la coopération et la transmission des savoirs sont des éléments cruciaux pour lutter contre l’épidémie, et ces travaux participent de cet effort collectif.
Sources :
John Hopkins Univeritsy Coronavirus Resource Center, https://coronavirus.jhu.edu/map.html
Covid 19 Tracker, Dr Edward Parker and Quentin Leclerc, London School of Hygiene & Tropical Medicine, https://vac-lshtm.shinyapps.io/ncov_tracker/
Coronavirus Disease (Covid-19) – Statistics and Research, Max Roser, Hannah Ritchie and Esteban Ortiz-Ospina, Our Wolrd in Data, https://ourworldindata.org/coronavirus
Geography of Quarantines, Mark Altaweel, Health Geography, GeographyRealm, https://www.geographyrealm.com/geography-of-quarantines/
Visualizing the History of Pandemics, Nicholas LePan, Visual Capitalist, https://www.visualcapitalist.com/history-of-pandemics-deadliest/
EpiRislk, The Gleam Project, epirisk.net
17 (or so) responsible live visualizations about the coronavirus, for you to use, Lisa Charlotte Rost, Chartable, https://blog.datawrapper.de/coronaviruscharts/
FlattenTheCurve Animation, Alexander Radtke, https://media.giphy.com/media/dWCcpgCRiOHk5B8znA/giphy.gif
Modérateurs : Mathilde ARGOUD et YanKiu MOK
[1] https://systems.jhu.edu/research/public-health/ncov/ : « It was developed to provide researchers, public health authorities and the general public with a user-friendly tool to track the outbreak as it unfolds. Further, all the data collected and displayed is made freely available, initially as google sheets, now in a GitHub repository, along with the feature layers of the dashboard, which are now included in the ESRI Living Atlas. »
[2] Notons cependant que l’accès parfois difficile aux tests peut influer fortement sur les représentations que nous avons de l’épidémie.
Master Géographies Numériques 
Votre commentaire