đ Municipales : des data pour enqueÌter et des cartes d'eÌlections aÌ foison

La newsletter qui fait
parler les données
Je vote donc je suis
Chez WeDoData, les Ă©lections ont souvent Ă©tĂ© lâoccasion de tester de nouveaux formats ou technologies. DĂšs notre crĂ©ation en 2012, annĂ©e de prĂ©sidentielle, nous avons rĂ©alisĂ© une opĂ©ration pionniĂšre avec LibĂ©ration : 3 applications web dĂ©diĂ©es aux programmes des candidat·e·s qui se succĂ©daient au fil de la campagne ! En 2017, nous explorions la rĂ©alitĂ© augmentĂ©e avec Extrapol, une appli qui diffusait chaque jour des dataviz en scannant nâimporte quelle affiche officielle de candidat·e·s dans la rue !
Pour ces municipales, nous poursuivons donc notre âhistoire Ă©lectoraleâ avec la crĂ©ation dâun outil dâinvestigation pour la rĂ©daction de MĂ©diacitĂ©s : les coulisses de ce projet mĂ©dia innovant sont juste en-dessous đ.
đłïž De quoi voter Ă©clairĂ© les 15 et 22 mars prochains.
Au menu de cette édition :
đ Quâont rĂ©alisĂ© vos maires depuis 6 ans ? PrĂšs de 25 000 dĂ©libĂ©rations municipales ont Ă©tĂ© âĂ©pluchĂ©esâ par WeDoData pour MĂ©diacitĂ©s
đșïž Des cartos Ă©lectorales Ă foison : nous vous avons sĂ©lectionnĂ© une quinzaine de cartographies pour regarder les votes autrement
đ Toujours plein dâinspirations : Trump mĂ©galo, train illico, chiens Ă gogo, Excel en vidĂ©o, New-York en mĂ©tro...
LâĂ©quipe de WeDoData
[email protected]
DANS NOTRE RADAR
đ Ces data(viz) font lâactu
â Faire exception. La datajournaliste Amanda Shendruk compile ici les sujets oĂč les Ătats-Unis affichent des donnĂ©es atypiques, dans le sens dâaberrantes. Au sein de lâOCDE, câest le pays qui emprisonne le plus, qui dĂ©tient le record de meurtres de masse, qui nâa pas de congĂ© parental, oĂč les habitant·e·s dĂ©pensent Ă©normĂ©ment pour leur santĂ© sans vivre longtemps pour autantâŠ
Ă explorer ici
â Figer la science. âNatureâ dĂ©roule un scrollytelling trĂšs documentĂ© pour dĂ©voiler les impacts de lâannĂ©e de pouvoir trumpien sur la science amĂ©ricaine : 7 800 subventions annulĂ©es ou gelĂ©es (datavisualisĂ©es dans un treemap fascinant), 32 milliards de dollars de coupes proposĂ©es, 25 000 scientifiques en moins dans les agences de rechercheâŠ
à décortiquer ici
â Accumuler des dollars. âLe prĂ©sident Trump nâa jamais Ă©tĂ© du genre Ă se demander ce quâil pouvait faire pour son pays. Il teste au contraire les limites de ce que son pays peut faire pour lui.â Le ton de lâĂ©dito du âNew York Timesâ est direct⊠et accompagnĂ© dâune visualisation efficace : les origines connues des 1,4 milliard de dollars amassĂ©s par Trump en utilisant sa fonction prĂ©sidentielle.
Ă empiler ici
DANS NOTRE SAC
đȘ Les pĂ©pites data du mois

â Câest plus ou moins ferrĂ©. Vous ĂȘtes en train (jeu de mot, vous lâavez ?) de programmer des vacances et il est hors de question de voyager autrement quâen train. Le service de cartographie ferroviaire Chronotrains permet de choisir une ville de dĂ©part et de dĂ©couvrir vos destinations possibles si vous avez 1 Ă 12 heures devant vous (trajet + correspondances). Le site offre mĂȘme un filtre âtrain de nuitâ.

â Câest wouaf. Les fans de toutous tomberont dingues de ce projet de Stephanie Wu qui met Ă lâhonneur les chiens et leurs capacitĂ©s irremplaçables, mĂȘme dans un monde de plus en plus technologique. Les chiens travaillent en effet tous les jours aux cĂŽtĂ©s des humain·e·s pour, entre autres, dĂ©tecter des cancers ou des bombes, assister des personnes en situation de handicap⊠Un projet avec une DA et des datas travaillĂ©es dans les moindres dĂ©tails, jusquâau curseur de la page.

â Câest cellulaire. Les tableurs de donnĂ©es sont notre quotidien lorsque lâon fait de la dataviz. Alors nous ne pouvions pas rĂ©sister Ă ce clip rĂ©alisĂ© sans IA, uniquement sur un Excel codĂ© Ă partir des fonctions de base du logiciel (ASCII, Unicode, graphes, mises en forme conditionnellesâŠ). Le clip Spreadbeats propose de suivre le parcours dâune cellule qui grandit et se transforme en une succession de scĂšnes de plus en plus Ă©laborĂ©es. Pour les plus curieux·euses, les coulisses de ces 4 minutes sont disponibles en vidĂ©o.
ENCORE UN PETIT LOT DE PĂPITES
â Une plongĂ©e astucieuse dans la paritĂ© du paysage politique en Argentine â Comprenez tout au dithering dans une exploration 3D pĂ©dagogique â La cartographie de tous les lancements de fusĂ©es orbitales depuis 1957

« Mon Ćil de boomeuse ne sait plus oĂč aller. »
đïž Femme des annĂ©es 80 face Ă un rĂ©seau social inconnu đïž
EXPLORER
Vous voulez vous inspirer
ou vous former en dataviz ?
Nous avons créé un site qui vous permet dâexplorer les contenus
de toutes nos newsletters par thĂšme, par format et mĂȘme via un moteur
de recherche. Câest ici đ
DANS LES COULISSES DEâŠ
đ Quâont rĂ©alisĂ© vos maires ces 6 derniĂšres annĂ©es ?
đłïž Ă lâapproche dâĂ©lections municipales dĂ©terminantes, nous souhaitions accompagner une rĂ©daction dâune maniĂšre innovante et impactante. Pour MĂ©diacitĂ©s, mĂ©dia indĂ©pendant prĂ©sent Ă Lille, Lyon, Nantes et Toulouse, nous avons scrapĂ©, Ă©pluchĂ©, classifiĂ© 23 000 dĂ©libĂ©rations de conseils municipaux publiĂ©es depuis 2020. GrĂące Ă cet explorateur de dĂ©libĂ©rations, les journalistes peuvent confronter les promesses des Ă©lu·e·s Ă leur bilan.
On vous raconte.

Des dizaines de milliers de PDF. MĂ©diacitĂ©s dĂ©crypte depuis des annĂ©es la vie politique locale. Il y a 5 ans, nous collaborions Ă leur opĂ©ration Radar : elle visait Ă dĂ©cortiquer les dĂ©libĂ©rations municipales, documents essentiels du journalisme local, avec lâaide des lecteur·rice·s. Ces dernier·Úre·s ouvraient une dĂ©libĂ©ration et remplissaient en parallĂšle un formulaire pour indiquer des montants đ°, des noms de projets đ·ïž, des Ă©lu·e·s prĂ©sent·e·s â ou absent·e·s â⊠MalgrĂ© une communautĂ© active, ce crowdsourcing titanesque sâest essoufflĂ© avec le temps et le foisonnement de documentsâŠ
LâIA au service de lâinvestigation. Si lâĂ©mergence des IA gĂ©nĂ©ratives pose sans cesse de nombreuses questions Ă©thiques et environnementales, elle ouvre Ă©galement la possibilitĂ© dâanalyser des donnĂ©es trĂšs volumineuses et/ou non structurĂ©es. Câest ainsi que le projet Radar a revu le jour avec des outils dâIA ciblĂ©s sur 2 moments-clĂ©s : la transcription des compte-rendus et lâextraction dâinformations.
Un projet articulé en 4 temps :
1/ RĂ©cupĂ©rer la matiĂšre âbruteâ des dĂ©libĂ©rations. Les ordres du jour et les compte-rendus des conseils (municipaux, mĂ©tropolitainsâŠ) sont publiĂ©s en PDF sur des plateformes propres Ă chaque ville⊠Des sites hĂ©tĂ©rogĂšnes et des donnĂ©es dans des formats non structurĂ©s et non lisibles par machine : nous sommes bien loin des standards de lâopen data. La premiĂšre Ă©tape de ce projet a donc consistĂ© Ă scraper lâintĂ©gralitĂ© des compte-rendus des dĂ©libĂ©rations pour les 8 collectivitĂ©s, soit plus de 23 000 documents de juin 2020 Ă aujourdâhui. Nous avons ensuite converti ces fichiers PDF - des scans gĂ©nĂ©ralement - en textes exploitables par un LLM via une conversion au format markdown Ă lâaide de Mistral OCR.

Nous avons stockĂ© les donnĂ©es structurĂ©es extraites sur lâoutil en ligne open source NocoDB (alternative Ă AirTable) afin dâexplorer les bases relationnelles.
2/ Extraire des informations structurĂ©es. Ces suites de paragraphes, variant Ă chaque conseil municipal, sont des donnĂ©es textuelles non structurĂ©es, impossibles Ă analyser de maniĂšre massive quand on fait du datajournalisme. Pour voir des informations Ă©merger (des tendances, des sommes Ă©tranges, la rĂ©currence de noms de quartiers ou dâassociationsâŠ), le ou la datajournaliste a besoin dâisoler au sein de ces textes des informations rĂ©currentes, des catĂ©gories et/ou des formats identiques et ensuite, les organiser dans des tableurs (oui, on finit toujours notre vie dans des tableursâŠ). Pour ce faire, nous nous sommes appuyĂ© sur une IA gĂ©nĂ©rative (GPT 4.1 dans notre cas) combinĂ©e au mode âstructured outputâ de OpenAI pour forcer le LLM Ă respecter un format de sortie structurĂ©.
3/ Coller aux spĂ©cificitĂ©s locales et faire valider par les journalistes. Mais ce process ne peut atteindre une rĂ©elle qualitĂ© que sâil se fait main dans la main avec les rĂ©dactions. En lâoccurrence, nous avons eu 2 enjeux avec elles :
Le contexte local : les journalistes de chaque ville nous ont fourni les noms des élu·e·s, des principaux projets de la mandature⊠ce qui nous a permis de créer des thesaurus par ville. Sans oublier que nous avons dû travailler des prompts adaptés à chaque maquette de délibérations, donc ville par ville.
La qualitĂ© des extractions : nous avons soumis aux journalistes les rĂ©sultats de lâextraction sur 50 dĂ©libĂ©rations par collectivitĂ© oĂč ils ont pu juger des donnĂ©es obtenues au regard de la dĂ©libĂ©ration initiale. GrĂące Ă ces retours prĂ©cieux sur les sources dâerreurs, les amĂ©liorations potentielles, nous avons affinĂ© nos prompts et mĂȘme identifiĂ© de nouvelles donnĂ©es Ă extraire avant de lancer lâextraction sur lâensemble des 23 000 dĂ©libĂ©rations.

4/ Visualiser les rĂ©sultats dans une interface visuelle et interactive. Comment faire en sorte que les journalistes utilisent toutes les donnĂ©es rassemblĂ©es dans les tableurs ? Les rendre immĂ©diatement visibles et explorables⊠ce qui est un des piliers de notre activitĂ©. Les Ă©quipes de MĂ©diacitĂ©s nous ont listĂ© les grandes questions Ă©ditoriales auxquelles ils et elles souhaitaient rĂ©pondre via le projet Radar. Et nous avons configurĂ© des dataviz rĂ©pondant Ă ces angles, ville par ville, sur lâoutil Tableau - qui permet de rĂ©aliser des dashboards flexibles.

Retour dâexpĂ©rience avec Benjamin Peyrel,
co-fondateur de Médiacités et directeur de la rédaction
âBĂ©nĂ©ficier de cette base de donnĂ©es issue des dĂ©libĂ©rations municipales nous a permis de vĂ©rifier au plus prĂšs les promesses des candidats. Cet outil puissant a aussi permis dâidentifier de nouveaux sujets, de repĂ©rer des accumulations de sommes qui passent inaperçues lorsquâelles arrivent au fil de lâeau⊠LâutilitĂ© journalistique de cette nouvelle dĂ©marche est de bĂ©nĂ©ficier dâun thermomĂštre innovant de lâactivitĂ© municipale. Nous avons donc posĂ© une pierre importante pour la prochaine mandature que nous pourrons suivre au plus prĂšs.â
â Retrouvez les enquĂȘtes de MĂ©diacitĂ©s, menĂ©es en partenariat avec MOB, publiĂ©es sur les municipales.
DANS NOS BONS PLANS
đșïž Zoom sur... les cartos Ă©lectorales
Les élections, ce sont des bulletins de vote dans les urnes. Et des résultats en cartes ! Comme nous savons que vous adorez ça, voici un best of de cartes électorales :

đ«§ Des cartes avec des bulles
- Plusieurs cartes en bulles des derniĂšres municipales par Julien Gaffuri
- Les coulisses du cartogramme de Dorling pour la présidentielle de 2017 par Libération
đłïž Des cartes pixel
- Pixel art chez Bloomberg lors de la derniÚre présidentielle américaine
- Pixels bien rangés au Financial Times
- Version lego chez Politico, toujours aux Ătats-Unis
đȘ Des graphiques dans des cartes
- Des flÚches de tendance au New York Times pour les élections de 2018
- Des graphiques de flux au Guardian dĂšs 2016
- Des camemberts sur la France électorale de 1936
đ„ Des cartes animĂ©es
- Les terres ne votent pas, mais les électeur·rice·s oui, par Karim Douieb
- Un présentateur anglais marchant dans des histogrammes 3D
đ¶ïž Des cartes de âzonesâ
- Des cartes de âpotentiel gravitationnelâ par Nicolas Lambert
- Des cartogrammes par candidat·e, abstention, diplÎmé·e·s, revenus⊠lors de la présidentielle 2022
đŻ Des cartes pour se projeter
- TrĂšs belle initiative de âBon Poteâ qui profite des municipales pour voyager politiquement et climatiquement dans les 36 000 communes de France.
POUR ALLER ENCORE PLUS LOIN
â Un article dâĂric MauviĂšre sur lâimpact du choix de reprĂ©sentation des cartes Ă©lectorales : chorophlĂštes, ronds, lissageâŠ
â LâAmĂ©ricain Lawrence Weru complĂšte cette rĂ©flexion avec un dĂ©fi : rĂ©aliser une carte qui montre Ă la fois la marge de vote et la population de votant·e·s
âïž Un guide infographique pour tout comprendre aux Ă©lections municipales 2026 trĂšs bien fait dans Le Monde
âïž Une plongĂ©e dans les rĂ©sultats des Ă©lections en France depuis la RĂ©volution

La viz de la fin
On dit souvent que le voyage compte autant que la destination. âA Data Love Letter to the Subwayâ en est la parfaite illustration. Ce voyage, câest celui qui nous mĂšne au travers des datas du mĂ©tro new-yorkais, oĂč chaque ligne devient une personnalitĂ© Ă suivre dans ses mĂ©andres et ses intersections. La data designeuse Giorgia Lupi et le cĂ©lĂšbre studio Pentagram rĂ©alisent lĂ une forme de dĂ©claration dâamour Ă un moyen de transport du quotidien, mais essentiel pour les habitant·e·s de la Grosse Pomme.
đ Ă regarder et Ă Ă©couter avec le son !

© A data love letter to the subway - Pentagram
Quelques dates avant de se quitter
đ #30DayChartChallenge commencera le 1er avril (et ça sera pas un poisson). Replongez-vous dans les Ă©preuves des Ă©ditions prĂ©cĂ©dentes.
đźđč âRome dans le mondeâ est une expo qui met Ă lâhonneur la dataviz au MusĂ©e national des arts du XXIe siĂšcle de Rome (Italie) jusquâau 6 avril.
đŹđ§ VIZBI 2026 est une confĂ©rence internationale sur la visualisation des donnĂ©es biologiques Ă Cambridge (Grande-Bretagne) du 14 au 17 avril.
WeDoData est un studio de datavisualisations, de design dâinformations et de nouvelles narrations : wedodata.fr
đȘ On vous a transfĂ©rĂ© cette newsletter ?
Abonnez-vous gratuitement
đȘ Vous prĂ©fĂ©rez lire cette newsletter en ligne
Câest par lĂ
đĄ Vous ne jurez que par un bon vieux flux RSS
Le voici
đ Vous voulez dĂ©jĂ nous quitter ?
Désabonnez-vous par ici