Monsieur Michel Volle

Une mthode pour lire et commenter automatiquement des

grands tableaux statistiques
In: Economie et statistique, N52, Janvier 1974. pp. 46-50.

Citer ce document / Cite this document :

Volle Michel. Une mthode pour lire et commenter automatiquement des grands tableaux statistiques. In: Economie et
statistique, N52, Janvier 1974. pp. 46-50.
doi : 10.3406/estat.1974.1596
http://www.persee.fr/web/revues/home/prescript/article/estat_0336-1454_1974_num_52_1_1596

TABLEAU 4. Taux de croissance en volume des produits nationaux

bruts franais et allemands (Francs constants)

France
Allemagne

1970

1971

1972

1969 1972

5,5
5,8

5,4
2,7

5,7
2,9

+ 17,9
11,9

en examinant l'volution de 1970

1972 du rapport du P.N.B. par habi
tant entre la France et l'Allemagne
calcul uniquement par ce procd
(tableau 3).
Par rapport 1969, l'cart de P.N.B.
par habitant en faveur de la France
s'est rduit en 1972, de 10,1 %
6,7 %. Cela traduit la fois un accroi
ssement lgrement plus fort du P.N.B.
par habitant prix courants en All
emagne
au cours des trois dernires
annes (+ 33,4 % contre + 32,8 %
en France) et une progression plus
rapide des prix la consommation en
France de 2,5 points (+ 17,8 % au
lieu de + 15,3 % 3 en Allemagne).
Le calcul spcifique utilisant la parit
du pouvoir d'achat (driv de la
comparaison des prix) aboutit d'ail
leurs un rsultat un peu plus lev
pour la diffrence de progression des
prix la consommation : + 2,7 points
(puisque le Deutschemark est pass
cette parit de 1,315 F en 1969
1,351 F en 1972).
Or, cette volution est en contradic
tion
avec celle du P.N.B. prix cons
tants, c'est--dire corrig par le coeffi
cient dflateur des hausses de prix.
Pour autant que les mthodes de
recalculs en prix constants soient compar
ables dans les deux pays, la croissance
du P.N.B. prix constants (qu'il soit
global ou par habitant) a indubitable
ment
t plus leve en France et, en
consquence, en 1972, l'cart avec
l'Allemagne aurait d s'accentuer de
puis 1969 au lieu de diminuer.
Parit du pouvoir d'achat :
moins mauvaise
mthode de conversion
Ceci montre que l'emploi du taux
de change la parit du pouvoir
d'achat est lui aussi alatoire et discu
table, tout en demeurant le moins
46

critiquable en priode d'instabilit

montaire internationale. Il restera
encore le seul recours possible en
1973, anne caractrise par d'impor
tantesconvulsions montaires et l'i
ntroduction
dans les pays de la C.E.E.
de taux de change flottants 4.
Les comparaisons effectues plus
haut concluent une supriorit cons-

tante du P.N.B. par habitant en

France dans des proportions qui peu
vent tonner. Il n'est pas impossible
que l'imperfection des instruments
statistiques entrane des distorsions
dfavorables l'Allemagne; mais il se
peut aussi que l'apparence d'une force
conomique plus grande que donne
ce pays tienne au rle de son industrie,
la France tirant un supplment de
richesses d'autres activits moins en
vue.
Claude SIMON
Et mme
moins,
selon le nouvel
bas3. sur
le panier
de provision
de 1970,indice
publiallemand
depuis
octobre 1973.
Banque defdrale
all
emande4. La arevue
publimensuelle
dans sonla numro
septembre
1972 un article sur la rvaluation du deutsche
markdepuis le dbut de l'anne jusqu'au 7 sep
tembre
1973, en fonction des cours officiels la
bourse des changes : par rapport au franc, elle
tait cette dernire date de 11 %, alors que la
parit
du pouvoir
progress
que de 1d'achat
% (de du1,351Deutschemark
F 1,365 F).n'avait

Une mthode pour lire

et commenter automatiquement
des grands tableaux statistiques

# La publication des rsultats d'enqutes et de travaux statistiques

pose toujours le problme de la lourdeur des tableaux de chiffres. Estil ncessaire de publier des tableaux trs volumineux, contenant le
maximum de l'information, ou faut-il faire un tri ? Le dveloppement
de l'informatique permet de rsoudre en partie ce problme, et cela
de deux faons. D'une part, et cela est trs connu, la masse de l'info
rmation peut maintenant tre stocke sur bande magntique, au lieu
de l'tre sur papier, et tre accessible la demande. Mais aussi, la
thorie de l'information et l'analyse des donnes permettent d'extraire
d'une grande quantit de chiffres les quelques informations les plus
significatives, qui seules mriteront d'tre publies. Michel Voile
prsente ici une mthode simple de recherche des cases les plus int
ressantes
d'un grand tableau rectangulaire de chiffres.

De lourds tableaux
complets
mais peu lisibles ...
Rien n'est plus ennuyeux qu'un
tableau statistique. Surtout quand il est
de grande dimension. Le statisticien
qui, aprs avoir excut une enqute,
doit en prsenter les rsultats, est pris
entre deux extrmes.
Il peut choisir de prsenter une
information complte. Elle sera donne
sous forme d'une collection de tableaux,

accompagns bien sr d'un commenta

ire,
mais l'importance typographique
des tableaux, leur aspect rbarbatif
loigneront de la lecture du texte le
lecteur press, celui qui cherche dga
ger rapidement les conclusions de
l'tude sans vouloir s'embarrasser de
dtails. Les tableaux seront utiles aux
chercheurs, ceux qui prennent tout
leur temps pour bien regarder, et aussi
aux amateurs du jeu des sept erreurs
qui se dlassent en pourchassant les
fautes de typographie.

dceler, en un coup d'oeil, ce qui est

ces fai , /a. et fi obtenus en divisant
important dans un tableau. Mais le flair
chaque case par l'effectif total de la
et l'habitude ont des limites. Si l'on
population tudie, de telle sorte que
sait bien regarder un tableau 10 X 10
II peut aussi prsenter un rsum de
jL*Jv.i il'information. Il extrait alors de la on sera certainement moins l'aise
<x i
masse des tableaux les quelques ren devant un tableau 20 X 20, dont la
La connaissance des marges fa. et
seignements
significatifs qu'ils con lecture demande un effort d'attention
beaucoup plus important. De plus, la fi apporte, elle seule, une certaine
tiennent.
Il abrge en formules faites
fatigue entre en jeu. Dcortiquer un
pour frapper l'imagination et rester
information sur la population tudie.
tableau est une chose, en dcortiquer
Il est bien vident que la connaissance
dans la mmoire, des commentaires
une centaine en est une autre : et les
du tableau complet, c'est--dire de tous
qui, plus rigoureux, auraient parfois
t plus confus. Trs favorable au lec moyens d'exploitation que nous pro les/at en apporte davantage.
cure l'informatique ont, entre autres
teur press, cette mthode de rdaction
Il est possible de prciser ce point.
rsultats, celui de submerger de t
est la fois plus difficile et plus modeste
Connaissant les seules marges fa.
ableaux
le statisticien imprudent qui
que la premire. Il est plus difficile de
et fi, on peut construire un tableau
n'aura
pas
su rduire sa demande. Sur
rsumer, d'laguer, de discerner ce qui
produit des marges , c'est--dire un
tant de mtres carrs de papier impri tableau dans lequel toutes les lignes
est important et ce qui peut ne pas
tre dit, que de publier sans interpr ms, l'information utile, intressante,
sont proportionnelles entre elles, et
ne doit occuper que quelques dizaines
tationun volumineux ensemble de
toutes les colonnes galement, et dans
de centimtres carrs. Comment la ce cas, les deux caractres sont dits
tableaux que le commentaire ne fait
localiser?
que paraphraser. C'est galement plus
indpendants .
L'objet de cette chronique est de pr
modeste : aux yeux qui mesurent le
Dans le deuxime exemple ci-dessus
senter une mthode trs simple qui per
srieux d'un travail au nombre de t
(communes
X ge), cela reviendrait
met de reprer, dans un tableau, les
ableaux
publis, au nombre de pages,
supposer que toutes les communes de
cases
qui
apportent
le
plus
d'informat
au poids en quelque sorte, le rsultat
France auraient la mme pyramide
On verra qu'il n'y a l-dedans
d'un effort de synthse paratra tou ion.
aucune prtention thorique ou math des ges , c'est--dire la mme struc
jours lger . Par ailleurs, la recherche
turepar ges, ce qui est bien sr tout
matique,
mais seulement le souci
des rsultats significatifs d'une enqute
fait faux. Mais c'est justement la
d'aider le statisticien dans son travail
amnera bien souvent constater qu'ils
comparaison du tableau rel avec ce
d'interprtation des rsultats et de
sont peu nombreux.
tableau fictif et faux produit des
publication d'articles.
Si une enqute apporte peu de chose,
marges qui est intressante pour le
c'est embarrassant pour celui qui l'a
statisticien, rvlant par exemple les
faite : cela se verrait dans une publica
dformations des pyramides des ges
tion
courte; un flot de tableaux, par
L'information apporte
des diverses communes par rapport
contre, protge du jugement.
celle de la France entire.
Quels que soient ses risques et ses dif par un tableau complet
ficults,
la seconde mthode doit, nous
On peut alors dfinir mathmatique
Supposons que nous ayons tudier
semble-t-il, tre prfre. Si l'on tient
ment
une distance entre tableau rel
un
tableau
qui
nous
donne
la
rparti
vraiment publier de gros tableaux,
et
tableau
fictif. On dmontre, en thor
tion
d'une population selon deux cri
on peut trs bien les rejeter en annexe,
ie
de
l'information
(et nous demander
tres diffrents.
loin d'un texte qu'ils n'alourdiront pas
ons
au lecteur d'accepter le rsultat),
et qui ne contiendra que des tableau
Exemple (a) Population : salaris
que le gain d'information que l'on fait
tins
de dimension rduite; on peut
en passant de la connaissance du tableau
critre 1 : appartenir l'entreprise a;
aussi signaler seulement leur existence,
fictif celle du tableau rel peut s'e
critre 2 : travailler dans l'activit i.
par une note en fin d'article, et dire
xprimer de faon approche par :
nai : nombre de salaris employs
qu'ils sont la disposition des lecteurs
par l'entreprise a dans l'activit i.
intresss, par exemple dans un volume
des Collections de VI.N.S.E.E.
Exemple (b) Population : habitants
:
\ JU'J-i J
de la France
critre 1 : rsider dans la commune a;
Chercher les quelques cases
Si nous publions les marges seule
critre 2 : appartenir la classe d'ge i.
ment,
nous donnerons au lecteur une
importantes
nat : nombre de gens qui rsident
certaine
si nous publions
d'un grand tableau
dans la commune a; et qui appartien le tableauinformation;
entier,
nous
lui en donnerons
nent
la classe d'ge i.
une
quantit
supplmentaire
gale I.
Mais, si l'on choisit cette forme de
rdaction rsume, si l'on dcide de ne
Le tableau que nous tudions est le
Si les deux caractres sont indpen
retenir dans l'information disponible
tableau des nat; les marges du
dants
dans la population, c'est--dire si
que ce qui est essentiel, comment vatableau (c'est--dire les totaux en ligne fai = fu.fi, I sera nul; la publication
t-on le dterminer? Comment peut-on
et en colonnes) nous donnent les
du tableau est, dans ce cas, tout fait
dire que dans un tableau telle case
nombres na. (si l'on conserve l'exemple inutile puisque chacun peut le repro
mrite de retenir l'attention plus qu'une
(a) rea. est l'effectif salari de l'entre duire en faisant le produit des frquenc
autre, et doit faire l'objet d'un com prisea) et n.i (effectif salari dans l'acti es
marginales. Par contre plus on
mentaire
dans le texte? C'est, assez
viti).
s'loigne du cas de l'indpendance
largement, une question de flair et
A partir du tableau des nai et de ses
(c'est--dire plus lesyaf sont diffrents
d'habitude. Certains statisticiens savent
marges, on peut dfinir les
des ftt- fu plus I est grand.
...ou une information
judicieusement trie

CHRONIQUES

47

LA RGION PARISIENNE FOURNIT RELATIVEMENT PLUS DE BACHELIERS

ET LE LANGUEDOC-ROUSSILLON PRODUISENT PLUTOT
TABLEAU 1. Rpartition des bacheliers de 1971 selon la rgion et la srie de baccalaurat
Srie du baccalaurat

Philosophie
lettres
A

conomique
et social
B

Rgion parisienne

12 428

3 678

6 240

7 519

1007

30872

Champagne-Ardennes
Picardie
Haute-Normandie
Centre
Basse-Normandie
Bourgogne

1212
1554
1442
1892
1329
1501

302
295
407
582
244
390

432
634
540
811
439
662

952
969
749
1237
848
940

92
102
94
212
100
226

2990
3 554
3 232
4734
2960
3 719

Nord

3 755

894

1614

2 882

414

9 559

Lorraine
Alsace
Franche-Comt

2 619
1450
1120

513
334
289

1048
727
426

1600
1253
813

359
163
102

6139
3 927
2 750

Pays de la Loire
Bretagne
Poitou-Charentes

2 793
2 877
1762

680
899
310

881
1199
609

1983
1877
1223

293
337
188

6 630
7189
4 092

Aquitaine
Midi-Pyrnes
Limousin

3 432
3 670
861

473
779
145

1051
1048
322

2105
2 239
580

198
352
77

7 259
8088
1985

Rhne-Alpes
Auvergne

5 427
1602

1210
287

2194
640

3 808
1197

542
123

13181
3 849

Languedoc-Roussillon
Provence-Cte d'Azur
Corse

2 661
4946
386

448
1054
48

743
1627
48

1422
2846
134

229
415
13

5 503
10 888
629

60 719

14261

23 935

39176

5 638

143 729

Rgions

Ensemble des rgions

48

Mathmatiques Mathmatiques Mathmatiques

et sciences
et technique
deet lasciences
nature
physiques
C
D+ D

Ensemble
des sries

Un classement des cases

les plus significatives
L'expression de I peut s'crire I =

SCIENTIFIQUES, TANDIS QUE LA CORSE

DES LITTRAIRES
La mthode de lecture des grands
tableaux statistiques peut tre applique
la rpartition des baccalaurats dlivrs
en 1971, selon les 5 sries possibles et les
22 rgions de programme. (Statistiques et
Indicateurs des Rgions franaises, Collec
tionsde TI.N.S.E.E., volume R 9, p. 222.)
Ce tableau prsente 5 colonnes et
22 lignes, soit 110 cases, sans compter
les marges, c'est--dire les totaux en ligne
et en colonnes. Sa lecture directe est trs
malaise. Une mthode informatique per
met d'en extraire les cases les plus signi
ficatives, c'est--dire celles qui font apparatre des particularits rgionales int
ressantes.
L'information totale contenue dans le
tableau est rpartie entre les 110 cases, et
celles-ci peuvent tre classes selon la part
dcroissante de cette information qu'elles
contiennent. Il apparat ainsi que les
5 premires en contiennent 35,1 %, les
10 premires 49,5 % et les 20 premires
68j %.

On peut dcider de communiquer au

lecteur au moins la moiti de l'informat
ion.
Il faut alors commenter les 11 pre
mires cases, qui en reclent 52,0 %. Ainsi
le statisticien attirera l'attention sur le
fait que la Rgion parisienne est riche
en bacheliers C (Mathmatique et sciences
physiques) mais pauvre en titulaires des
Sries B (conomique et social) et D + D'
(Mathmatiques et sciences de la nature).
A ce stade du commentaire, il est essentiel
de connatre le signe de l'cart entre fai
et fa. X f{. ; quand on sait qu'une case
est fortement diffrente de la case corre
spondante du tableau produit des mar
ges , encore faut-il savoir si cette diff
rence est positive ou ngative.
On verra ensuite apparatre une pro
portion remarquable de bacheliers B (co
nomique
et social) en Aquitaine et en
Bretagne, de littraires et philosophes
(srie A) en Corse et en Languedoc-Roussillon, etc.

TABLEAU 2. 11 cases sur HO contiennent 52 %

de l'information du tableau
Rang
de la case
1
2
3
4
5
6
7
8
9
10
11

Ligne :
rgion de programme
Rgion parisienne. . .
Rgion parisienne . . .
Rgion parisienne . . .
Aquitaine
Midi-pyrnes
Lorraine
Corse
Bretagne
Languedoc-RoussiHon.
Pays-de-la-Loire
Bourgogne

Part de
Signe
Colonne : l'information
de l'cart
Srie du
dtenue
baccalaurat par(enla %)case
C
B
D + D'
B
C
E
A
B
A
C
E

Part de l'information contenue dans les 11 premires

cases (en %).

4 671001 5

13,65
7,11
5,52
4,94
3,85
3,26
3,09
2,76
2,76
2,59
2,51
52,04

en posant Ca, = /./., \ JOLJt /

Ca< est la contribution de la case (a, i)
l'information totale.
Au point de vue de l'information, la
case la plus intressante est videm
mentcelle dont le Cat est le plus grand.
On voit alors s'esquisser la mthode :
on calculera tout d'abord Ca pour
toutes les cases du tableau, puis on
classera les cases selon les Ca< dcrois
sants.Ainsi lorsqu'on tudiera le ta
bleau,
on portera d'abord son atten
tionsur les cases dont les Ca* sont les
plus levs.
Plus un Ca est grand, plus la case
est aberrante par rapport au reste
du tableau. Cette aberration peut avoir
deux causes : ou bien elle est due une
erreur (et dans ce cas il faut la corriger)
ou bien elle reprsente un phnomne
rel et intressant. Dans les deux cas,
le reprage de la case est utile. Lors
qu'on rdige un commentaire, on
pourra se limiter aux quelques cases
les plus importantes.
Le calcul des Ca$ peut se faire par
un programme trs simple, fournissant le
classement des cases selon les Cat
dcroissants, le pourcentage de l'info
rmation contenue dans chaque case, et le
pourcentage cumul de l'information
contenue dans les cases prcdentes
dans ce classement.
Si l'on dcouvre que, avec les cinq pre
mires
cases, on a gard 90 % de l'i
nformation
d'un tableau qui contient
160 cases, on se posera trs srieus
ement
la question de l'utilit de la publi
cation des 155 cases restantes!
Le calcul des Cai ne fait que syst
matiser et automatiser un travail que le
statisticien fait en gnral l'aide de
son flair professionnel. En effet, notre
pratique habituelle, lorsque nous r
egardons
un tableau, est d'apprcier en
quoi les distributions en lignes et en
colonnes se distinguent des distribu
tions
marginales. Lorsque nous trou
vons une forte diffrence, notre premier
rflexe est d'abord de vrifier qu'il ne
s'agit pas d'une erreur; si ce n'est pas
une erreur, nous nous disons que cette
diffrence est un fait statistique int
ressant,
qu'il faut interprter. Le flair,
outre ses dfaillances, a aussi l'incon
vnient de ne pas donner une mesure
exacte de la part d'information apporCHRONIQUES
4

49

L'analyse et le commentaire
systmatiques des tableaux
Le spectre d'une ligne
dans un tableau
statistique

te par une case, ce que le calcul des

Ca< nous fournit.
Il va de soi que ce calcul ne permetf
absolument pas d'interprter le ta
bleau
: il nous permet seulement d'exhi"
ber ceux de ses lments qui, a priori,
appellent le plus un effort d'interprta
tion.
Il va de soi galement que si les cases
mises en vidence sont celles qui appor
tentle plus d'information (au sens
mathmatique du terme), elles ne sont
pas forcment celles qui ont le plus de
signification pour tel ou tel lecteur par
ticulier.
Si nous reprenons notre deu
xime exemple, le maire del commune
a trouvera que la ligne qui donne la
ventilation de la population de sa
commune par classe d'ge est beaucoup
plus intressante que n'importe quelle
autre, et pourtant il se peut fort bien
que, du point de vue de l'information
mathmatique, cette ligne ne con
tienne
aucune case notable. L se
trouve la limite de cette mthode, et la
revanche des gros tableaux : ces der
niers, qui mettent tout sur le mme
plan et vhiculent tous les dtails,
permettent chacun de retrouver son
bien, alors qu'une information sle
ctionne
peut ne pas tenir compte de
tel ou tel besoin particulier.
Une visualisation
de l'information
contenue dans une ligne
Considrons maintenant les Ca< rela
tifs toutes les cases d'une mme
ligne a. Nous pouvons en donner une
reprsentation graphique par un hist
ogramme
(graphique ). A chaque modal
it
de i, on fait correspondre un tuyau
d'orgue de hauteur Ca< ; pour amliorer
la visualisation, on oriente ce tuyau
vers le haut si /a< > /a./., vers le bas
dans le cas contraire.
Ce graphique, que nous appellerons
le spectre de oc, va nous permettre
de mieux connatre l' individu a.
D'abord, la surface comprise entre
'histogramme et l'axe des modalits
50

Par les formules utilises, les m

thodes
que nous avons dcrites se ra
ttachent
d'une part la thorie de
l'information, d'autre part l'analyse
modalits i
factorielle des correspondances du pro
fesseur Benzecri.
Nous n'examinerons pas plus avant
leurs proprits mathmatiques, et
nous nous contenterons de dcrire
quelles peuvent tre les consquences
de i est gale 2* Cai, c'est--dire ai inpratiques de leur usage systmatique.
Elles seront, avec une perte de prci
ormation totale apporte par a. Plus
siondue leur simplicit, comparables
a sera excentrique , plus cette surface
celles de l'utilisation de l'analyse des
sera grande.
donnes.
Ensuite, on vrifiera que Cai peut
Face une collection importante de
s'crire aussi :
tableaux, on reprera dans chacun, au
terme d'un calcul trs simple, les cases,
P
f (/</a-/-<)2
Wif
les lignes et les colonnes qui apportent
J^
le plus d'information. Pour les lignes
et les colonnes, on ditera le spectre .
fil*
==
t~
frquence
condi
7aArm de ces rsultats (qui, sur le
tionnelle de la classe i chez l'individu a.
papier, occupent beaucoup moins de
place que le tableau lui-mme), on sera
Cette expression nous permet de
mme, en un coup d'il, d'apprcier
mieux interprter l'histogramme ;
ce qu'apporte le tableau, et de voir s'il
voyons ce qu'elle veut dire si nous
reprenons la commune a de notre mrite ou non d'tre pris en compte
dans la rflexion et la publication. Voil
exemple (6) :
dj un premier tri.
fa. est l'importance relative de oc
Un deuxime tri permettra de dter
dans la France, mesure par la popul
miner
les cases qui mritent d'tre
ation.
cites
dans
les commentaires, et les
/{/a est la proportion de la classe
tableautins
(reprenant
des lignes ou
d'ge i dans la population de a.
colonnes,
ou
des
parties
de lignes ou
f.i est la proportion de la classe
colonnes
particulirement
significati
d'ge dans la France [entire. Si l'on
ves)
dont
la
publication
peut tre
nglige le coefficient /a., la hauteur
instructive.
de chaque tuyau peut se noter par la
Le texte sera ensuite rdig en par
formule mnmotechnique suivante :
tant de cette matire apure. On
(%C-%F)2
pourra, la rigueur, lui joindre en
annexe quelques tableaux issus de
%F
l'exploitation d'origine. La plus grande
o % C reprsente le pourcentage de i
masse des tableaux sera seulement
dans la commune a;
dcrite dans une annexe, et mise la
% F le pourcentage de i dans l'e disposition des lecteurs.
nsemble de la France.
Michel VOLLE
La hauteur relative des tuyaux d'or
gue de a nous permet de voir par quelle
classe elle se distingue le plus de
l'ensemble de la France.
On peut confronter l'expression
57-p
d'autres indicateurs
/o *
utiliss pour comparer des structures,
comme par exemple % C % F ou
3j-=
/ C (ce dernier a t utilis par J. C.
Labat dans son article, n 28 dUEconomie et statistique). Nous ne le ferons
pas ici.
Ajoutons seulement qu'on peut ga
lement
caractriser par un spectre
l'informatio n apporte par une colonne.