Des bonnes pratiques à propos de l'affichage des données

La science produit un très grand nombre de résultats de mesure,  car la deuxième étape de la méthode scientifique consiste précisément,  après avoir identifié un phénomène, à le caractériser quantitativement : cela signifie le mesurer sur toutes les coutures utiles. 

Et les mesures donnent des résultats de mesure c'est-à-dire des nombres, ou des courbes, ou des images, et, plus généralement,  des informations qui peuvent se numériser. 

Bref, nous recueillons de très volumineux groupes de nombres. On aurait envie, si l'on veut honnêtement présenter ses résultats, de montrer tous ces nombres, mais cela ferait des tableaux complètement immangeables,  et nous devons faire l'effort de passer par des traitements qui conduiront à des équations, à des courbes, à des histogrammes, à des représentation en plusieurs de dimensions...

Il faut insister : un tableau de données que l'on jette à la figure de ses interlocuteurs, c'est la plus grande des impolitesse ! Et si d'aventure le rapporteur d'un de nos articles nous demande de présenter nos données, alors il y a une sélection à faire afin de présenter les données "pertinentes". 

Bref il y a cette question de représenter des données. 

 

D'ailleurs, le résultat d'une mesure n'est pas tout et il y a certainement la volonté ultérieure de comparer ces résultats. Dans le cas le plus simple, on a seulement deux résultats de mesure que l'on veut comparer. 

Si l'on fait un diagramme, ou un histogramme, alors on obtiendra  des points plus ou moins haut sur le diagramme ou deux rectangles plus ou moins allongés. La question est de comparer la hauteur de ses objets.

Il faut répéter mille fois qu'une mesure sans une évaluation de l'incertitude de la mesure ne vaut absolument rien et que la comparaison que l'on proposait précédemment ne peut pas se faire si l'on n'a pas une estimation de l'incertitude de la mesure où une mesure exacte de cette incertitude. 

Par exemple, il est de coutume en sciences des aliments de répéter trois fois les expériences et de calculer ce que l'on nomme un écart type, qui est une mesure de la dispersion des résultats de mesure. 

Cela n'est pas suffisant et il y a lieu de considérer l'incertitude totale de l'expérience, de la conception de celle-ci jusqu'à jusqu'au traitement des données. Il y a des incertitudes qui s'introduisent au moment de la préparation des échantillons, avec les pesées, les analyses, les transvasements, etc. Et chaque opération élémentaire introduit des incertitudes qui se répercuteront sur le résultat final. Et il y a  donc lieu alors, ayant toutes ces mesures, de composer les incertitudes c'est-à-dire de calculer l'incertitude totale. 

Le résultat final est généralement terrible parce qu'on obtient des incertitudes considérables quand les expériences sont longues, et c'est cela qui doit nous pousser, quand nous répétons les expériences, à pourchasser les opérations les plus incertaines pour arriver à des résultats aussi précis que possible. 

Et là on s'arrêtera au mot "précis" :  il y a lieu de faire une différence entre des fléchettes qui arriveraient toutes groupées au centre d'une cible, et des fléchettes qui arriveraient toutes groupées, mais pas au centre. Il faut donc se préoccupé non seulement du groupement, mais du point d'arrivée. 

Et  on voit sur cet exemple u'une bonne pratique en entraîne une autre :  la vertu et sa propre récompense et notamment parce qu'elle nous conduit généralement à faire mieux que nous ne faisions initialement. 

Quel plaisir de faire bien !