Comment créer des diagrammes circulaires dans SPSS

Dans le champ des sciences humaines et du comportement, la communication visuelle des données statistiques constitue un vecteur essentiel de validation empirique et de diffusion des connaissances. L’analyse exploratoire et descriptive des données requiert des représentations graphiques capables de condenser des distributions complexes en configurations perceptuelles immédiatement appréhensibles. Parmi ces outils, le diagramme circulaire — communément désigné sous l’appellation de « camembert » — occupe une place historique prépondérante, bien que controversée, dans l’arsenal du psychologue quantitativiste et du chercheur en sciences sociales. Conçu pour retranscrire la partition d’un tout en ses différentes composantes qualitatives, ce graphique permet de saisir d’un seul regard les rapports proportionnels qui structurent un échantillon ou une population d’étude.

Le logiciel IBM SPSS Statistics s’impose depuis plusieurs décennies comme l’environnement d’analyse de référence dans les laboratoires de recherche universitaire, les structures hospitalières et les instituts de sondage. Doté d’une architecture modulaire alliant la simplicité d’une interface graphique pilotée par menus et la robustesse reproductible d’un langage de syntaxe dédié, SPSS offre une flexibilité remarquable pour la génération et l’édition de visualisations univariées. Néanmoins, la production d’un diagramme circulaire méthodologiquement valide, conforme aux exigences de l’American Psychological Association (APA) et exempt de biais de perception cognitive, exige une maîtrise technique rigoureuse qui dépasse le simple clic de souris.

Le présent guide a pour vocation de fournir un cadre méthodologique, technique et interprétatif exhaustif pour la création, l’optimisation et la publication de diagrammes circulaires sous SPSS. De la vérification des postulats métriques des variables à la personnalisation esthétique avancée via l’Éditeur de graphiques, en passant par l’automatisation par syntaxe de commande (GGRAPH et GPL) et l’examen critique des biais de jugement visuel, ce manuel s’adresse aux étudiants, cliniciens et chercheurs désireux de conférer à leurs visualisations descriptives une rigueur scientifique irréprochable.

1. Introduction aux diagrammes circulaires et leur rôle en psychologie quantitative

1.1 Définition et structure fondamentale du diagramme circulaire

Le diagramme circulaire repose sur une transposition géométrique élémentaire : l’espace planaire délimité par un disque de 360 degrés est partitionné en plusieurs secteurs angulaires, dont la superficie et l’angle au centre sont strictement proportionnels à la fréquence relative ou au pourcentage de chaque modalité d’une variable discrète. Formellement, pour un échantillon de taille totale N partitionné en k catégories mutuellement exclusives, chaque secteur angulaire θ_i (exprimé en degrés) correspondant à la modalité i d’effectif n_i est calculé selon la fonction linéaire θ_i = 360 × (n_i / N). Cette relation d’isomorphisme entre la métrique statistique (la proportion empirique) et la métrique spatiale (l’angle au sommet et l’aire surfacique) fonde la validité représentative de la figure.

Sur le plan de la synthèse visuelle, le diagramme circulaire s’adresse au mécanisme de traitement holistique du système perceptif humain. Contrairement à un tableau de contingence ou de fréquences qui contraint le lecteur à une lecture séquentielle, numérique et analytique, le diagramme mobilise des processus pré-attentionnels permettant une estimation globale immédiate du rapport partie-tout. L’observateur est capable d’identifier presque instantanément si une catégorie excède le seuil critique du quart (90°), de la moitié (180°) ou des trois quarts (270°) de la distribution totale observée.

D’un point de vue épistémologique et historique, l’invention du graphique circulaire est attribuée à l’ingénieur et économiste politique écossais William Playfair, qui l’introduisit en 1801 dans son ouvrage The Statistical Breviary pour illustrer les proportions territoriales de l’Empire ottoman. Plus tard, Florence Nightingale popularisa une variante polaire sophistiquée — le diagramme en rose ou « coxcomb » — afin de démontrer l’impact des conditions sanitaires sur la mortalité durant la guerre de Crimée. Au cours du XXe siècle, avec l’émergence de la psychométrie et des protocoles de psychologie différentielle, le diagramme circulaire a été massivement mobilisé pour illustrer la composition des groupes contrôles et expérimentaux, s’imposant comme une figure canonique des premiers stades de l’exploration empirique.

1.2 Pertinence méthodologique dans les sciences du comportement

Dans les sciences du comportement, l’usage des diagrammes circulaires se justifie principalement lors de la caractérisation initiale des cohortes de recherche. Les variables sociodémographiques fondamentales, telles que l’identité de genre, le statut matrimonial, la catégorie socioprofessionnelle ou l’appartenance à des tranches d’âge standardisées, constituent des candidats traditionnels pour ce type de formalisation visuelle. Présenter la parité ou la représentativité d’un échantillon expérimental par le biais d’un secteur circulaire permet aux pairs évaluateurs de juger instantanément de la validité externe et de la possibilité de généralisation des résultats observés.

Au-delà de la démographie, la clinique psychiatrique et la psychopathologie cognitive recourent fréquemment aux catégories diagnostiques issues des classifications nosographiques standardisées, telles que le DSM-5-TR ou la CIM-11. Lorsque les patients d’une unité de soins ou d’un protocole d’essai randomisé contrôlé sont classés selon leur diagnostic principal — par exemple, trouble dépressif caractérisé, trouble d’anxiété généralisée, trouble panique ou trouble bipolaire —, le diagramme circulaire offre une vue d’ensemble de la prévalence relative des entités morbides au sein de l’institution au moment de l’inclusion.

Enfin, dans le domaine de la communication scientifique vulgarisée et des restitutions de bilans neuropsychologiques aux familles ou aux institutions éducatives, le diagramme circulaire s’avère particulièrement pertinent. Sa simplicité d’accès permet de s’affranchir du jargon statistique abstrait. Il transmet avec acuité l’idée de distribution finie : chaque tranche prélevée diminue l’espace disponible pour les autres, illustrant de manière presque tactile les contraintes de ressources, la prépondérance d’un profil comportemental ou l’équilibre des forces au sein d’un groupe d’intervention thérapeutique.

1.3 L’environnement SPSS dédié à la visualisation descriptive

Le logiciel IBM SPSS Statistics intègre une architecture modulaire sophistiquée pour la génération graphique, structurée autour de deux moteurs principaux : le moteur traditionnel des procédures statistiques (dénommé en interne « Graphics Management System » ou graphiques hérités) et le moteur moderne orienté objet, basé sur la grammaire des graphiques de Leland Wilkinson, implémenté via le Générateur de graphiques (Chart Builder) et le langage de programmation graphique (GPL). Cette dualité confère au logiciel une adaptabilité remarquable, permettant aussi bien l’extraction rapide d’un graphique à partir d’un simple tableau de fréquences que l’élaboration de figures hautement paramétrables destinées à la publication académique.

Dans le flux de travail classique sous SPSS, la sortie graphique est intimement articulée aux tableaux récapitulatifs au sein de la fenêtre de visualisation des résultats (SPSS Viewer, fichier à extension .spv). Cette synergie garantit que toute représentation visuelle demeure adossée à son ancrage métrique strict : le nombre de cas valides, les valeurs manquantes exclues et les pourcentages réels figurent toujours en regard du diagramme généré. Cette traçabilité limite drastiquement le risque d’artefact de manipulation visuelle.

En outre, l’environnement SPSS met l’accent sur la reproductibilité scientifique, condition sine qua non de la recherche contemporaine en psychologie ouverte (Open Science). Chaque opération graphique exécutée à travers l’interface utilisateur peut être convertie en lignes de commande textuelles au sein de l’éditeur de syntaxe (fichier à extension .sps). Cela permet d’archiver les protocoles de visualisation, d’appliquer des chartes graphiques rigoureuses à des séries longitudinales de données et de garantir qu’un re-calcul sur un échantillon enrichi produira un graphique strictement identique dans ses attributs visuels, éliminant ainsi toute subjectivité dans la mise en page.

2. Typologie des variables adaptées aux diagrammes circulaires sous SPSS

2.1 Échelles de mesure appropriées et conditions d’application

L’application d’un diagramme circulaire exige une adéquation stricte avec la nature de l’échelle de mesure sous-jacente, telle que théorisée par Stanley Smith Stevens en 1946. Les diagrammes circulaires sont exclusivement réservés aux variables catégorielles qualitatives, principalement mesurées sur une échelle nominale. Ces variables se caractérisent par des modalités qualitatives mutuellement exclusives et exhaustivement réparties, sans hiérarchie naturelle intrinsèque (par exemple : le type de traitement administré, la latéralité manuelle ou le statut tabagique). Dans cette configuration, le graphique représente l’allocation proportionnelle des unités d’observation entre ces classes d’équivalence.

L’extension aux variables ordinales — dont les modalités sont ordonnées selon un gradient sans que la distance entre les échelons soit quantifiable (comme une échelle de gravité symptomatique faible/modérée/sévère ou un stade de motivation au changement) — est méthodologiquement acceptable mais requiert une grande vigilance. Le diagramme circulaire a tendance à gommer visuellement la progression séquentielle naturelle des catégories ordinales en les disposant sur un cercle fermé, ce qui peut troubler l’interprétation du lecteur. Dans ce cas, un diagramme en bâtons respectant l’ordre des rangs est souvent préférable.

En revanche, l’utilisation d’un diagramme circulaire pour représenter des variables continues, d’intervalles ou de rapports (telles que l’âge chronologique en années, le score global à l’inventaire de dépression de Beck ou le temps de réaction en millisecondes) constitue une aberration méthodologique majeure. Tenter de découper un disque selon les dizaines ou centaines de valeurs discrètes prises par une variable quantitative continue produit une figure illisible, dénuée de sens distributionnel, violant le principe d’homogénéité des classes. Enfin, une condition absolue d’application réside dans l’exhaustivité des catégories : la somme de toutes les modalités doit représenter 100 % de l’ensemble d’analyse, interdisant de fait l’usage du camembert pour les questions à réponses multiples où un sujet peut cocher plusieurs options simultanément.

2.2 Règle de parcimonie sur le nombre de catégories

L’efficacité cognitive d’un diagramme circulaire repose sur sa capacité à être interprété par la mémoire de travail visuelle sans effort attentionnel excessif. Selon les principes de la psychologie de la forme (Gestalt) et la théorie de la charge cognitive développée par John Sweller, la lisibilité d’un secteur circulaire décroît de manière exponentielle avec l’augmentation du nombre de tranches. La recommandation méthodologique standard en psychologie quantitative impose de ne pas dépasser cinq à sept modalités au sein d’un même diagramme.

Au-delà de sept catégories, plusieurs phénomènes pervers se manifestent inévitablement : les secteurs les moins représentés deviennent des lamelles extrêmement étroites dont l’angle n’est plus discernable à l’œil nu ; les étiquettes de texte se chevauchent de manière anarchique ou doivent être déportées via des lignes de repère qui encombrent l’espace péri-graphique ; et la discrimination chromatique entre les teintes adjacentes s’amenuise, rendant la légende inopérante pour le lecteur.

Lorsque la variable empirique présente une granularité élevée (par exemple, une variable « Pays de naissance » comportant vingt-cinq modalités différentes au sein d’une cohorte transculturelle), la stratégie de prétraitement recommandée sous SPSS consiste à procéder à un regroupement des modalités marginales. En recourant à la commande de recodage automatique ou conditionnel, le statisticien isole les trois à cinq catégories les plus fréquentes et condense l’ensemble des autres observations sous une modalité générique étiquetée « Autres » ou « Divers ». Cette démarche préserve l’intégrité de la somme totale (100 %) tout en restituant une lisibilité optimale au graphique descriptif.

2.3 Gestion des valeurs manquantes et aberrantes

Le traitement des valeurs manquantes constitue une étape déterminante dans la configuration d’un diagramme circulaire sous SPSS, car l’inclusion ou l’exclusion de ces données altère directement le dénominateur de l’équation de calcul des pourcentages. SPSS distingue fondamentalement deux types de valeurs manquantes : les valeurs manquantes définies par le système (System-Missing, représentées par un point dans la cellule de données, correspondant à une absence totale de saisie) et les valeurs manquantes définies par l’utilisateur (User-Missing, auxquelles le chercheur assigne délibérément un code spécifique tel que 9, 99 ou -1 pour désigner un refus de réponse, un abandon ou une non-applicabilité méthodologique).

Si le chercheur omet de configurer les propriétés de la variable dans SPSS, le logiciel traitera par défaut les codes 9 ou 99 comme des catégories nominales valides, leur attribuant un secteur circulaire proportionnel dans le diagramme. Cela induit un biais d’interprétation clinique sévère : une tranche artificielle d’individus « non-répondants » viendra comprimer les secteurs des catégories cliniques réelles, faussant la perception de la distribution psychopathologique.

Inversement, lorsque les valeurs sont correctement déclarées comme manquantes dans la métadonnée SPSS, le module de génération graphique offre l’arbitrage d’exclure les cas « analyse par analyse » (listwise ou pairwise). Il en résulte que le calcul des pourcentages s’effectue sur la base des pourcentages valides, garantissant que le disque complet de 360 degrés représente 100 % des participants ayant effectivement fourni une réponse interprétable. Le chercheur doit consigner rigoureusement dans la légende ou dans la note de bas de figure le nombre de cas exclus afin de préserver la transparence méthodologique du rapport expérimental.

3. Préparation et structuration des données psychologiques dans SPSS

3.1 Configuration de la vue des variables (Variable View)

Avant d’initier toute procédure graphique, la structuration formelle du dictionnaire de données dans l’onglet Vue des variables (Variable View) de SPSS est une condition indispensable pour éviter les erreurs d’exécution et garantir un rendu visuel immédiatement exploitable. Chaque variable destinée à être projetée sous forme de diagramme circulaire doit faire l’objet d’un paramétrage rigoureux de ses attributs métrologiques.

En premier lieu, la colonne Mesure (Measure) doit impérativement être positionnée sur l’attribut Nominal (ou subsidiairement Ordinal). Bien que le module de fréquences de SPSS tolère parfois des incohérences, le Générateur de graphiques (Chart Builder) s’appuie strictement sur ce métadonnée pour autoriser ou refuser le glisser-déposer de la variable dans les zones fonctionnelles du patron circulaire. Si la variable est malencontreusement laissée sous l’étiquette Échelle (Scale), le logiciel interdira la segmentation automatique en secteurs angulaires.

En second lieu, les colonnes Nom (Name) et Libellé (Label) doivent être distinguées avec précision. Le nom de la variable (par exemple diag_clin) sert d’identifiant technique concis dans le code et les syntaxes, tandis que le libellé (par exemple Diagnostic psychopathologique principal selon critères DSM-5) constitue le texte enrichi qui sera automatiquement hérité par le moteur graphique pour former le titre par défaut, la légende ou le sous-titre de la figure générée. Un libellé soigné, exempt de fautes typographiques et intelligible par des tiers, évite des phases fastidieuses de retouche manuelle a posteriori dans l’éditeur graphique.

3.2 Encodage des valeurs et des étiquettes (Values Labels)

L’encodage des variables qualitatives dans SPSS repose sur le principe de l’attribution d’un code numérique discret (de type entier court, comme 1, 2, 3) associé à une étiquette textuelle descriptive (Value Label). Cette architecture évite l’utilisation directe de variables de type chaîne de caractères (String), lesquelles alourdissent la base de données, ralentissent les calculs et augmentent les risques d’incohérences de saisie (majuscules/minuscules, accents, espaces superflus).

Dans la colonne Valeurs (Values) de la Variable View, le chercheur doit cliquer sur le bouton d’ellipse (…) pour ouvrir la boîte de dialogue permettant de définir les paires « Valeur – Libellé ». Par exemple, pour une variable mesurant le profil d’attachement chez le jeune adulte, on définira rigoureusement : 1 = Sécure, 2 = Insécure-Évitant, 3 = Insécure-Anxieux/Ambivalent, 4 = Désorganisé. L’exhaustivité et la clarté de ces libellés sont cruciales : ce sont très exactement ces chaînes de caractères qui seront projetées dans la légende du diagramme circulaire ou à l’intérieur même des secteurs graphiques lors de l’activation des étiquettes de données.

Une négligence fréquente consiste à laisser des valeurs numériques orphelines sans étiquettes associées. Dans cette situation, SPSS génère un diagramme circulaire dont les secteurs portent pour légende des chiffres abstraits (1, 2, 3…), privant la visualisation de sa portée informative immédiate et obligeant le lecteur à se reporter continuellement à une clé de décodage externe, ce qui accroît inutilement la charge cognitive extrinsèque de la lecture scientifique.

3.3 Nettoyage et pondération éventuelle de l’échantillon

L’étape préalable à toute synthèse graphique descriptive implique un nettoyage exhaustif du fichier de données (Data Cleaning). Il convient de s’assurer, par l’exécution préalable d’une procédure de tri ou d’analyse exploratoire univariée, de l’absence totale de doublons dans les identifiants uniques de participants (variable ID ou Participant_Number). La présence involontaire de saisies redondantes conduirait à une surreprésentation artificielle de certaines modalités dans les calculs d’angles du diagramme circulaire.

De surcroît, dans de nombreux protocoles de recherche épidémiologique, clinique ou psychosociale, les données brutes sont collectées sous forme agrégée ou nécessitent un redressement statistique pour corriger un biais de représentativité par rapport à la population parente. Dans le cas où les données se présentent sous forme d’un tableau synthétique répertoriant une colonne de modalités et une colonne d’effectifs correspondants, il est impératif d’indiquer à SPSS que la variable numérique représente la masse de fréquence. Cette opération s’effectue via le menu Données > Pondérer les observations (Data > Weight Cases), en sélectionnant la variable d’effectif dans le champ Pondérer les observations par (WEIGHT BY effectif.).

Si cette pondération n’est pas activée alors que la base de données est structurée sous forme agrégée, SPSS comptera chaque ligne du fichier comme un participant unique (n = 1). Le diagramme circulaire résultant présentera alors des secteurs de tailles strictement égales entre eux, ignorant la réalité démographique des effectifs cumulés. La validation formelle de la structure des données constitue ainsi le prérequis technique absolu avant toute manipulation du module graphique.

4. Méthode 1 : Génération via le menu Statistiques descriptives et Fréquences

4.1 Navigation et sélection des paramètres de base

La première méthode pour concevoir un diagramme circulaire dans SPSS consiste à exploiter la commande des Fréquences, intégrée au sous-système d’analyse descriptive générale du logiciel. Cette approche se distingue par sa rapidité d’exécution et sa parfaite intégration au flux d’exploration primaire des données psychométriques. Elle permet de coupler immédiatement l’affichage des tableaux de contingence univariés à la sortie graphique correspondante.

Pour engager cette procédure, l’utilisateur navigue dans la barre de menus supérieure et suit le cheminement : Analyse > Statistiques descriptives > Fréquences (Analyze > Descriptive Statistics > Frequencies). Une fenêtre de dialogue modale s’affiche alors, présentant à gauche la liste intégrale des variables disponibles dans le fichier de travail actif, avec leurs icônes représentatives du niveau de mesure (abaque pour l’échelle, barres pour l’ordinal, diagramme de Venn à trois cercles pour le nominal).

L’opérateur repère la variable catégorielle d’intérêt (par exemple, Groupe_Clinique) et la transfère vers le champ récepteur de droite intitulé Variable(s), soit par un double-clic, soit en utilisant la flèche directionnelle centrale. Il est essentiel de veiller à ce que la case à cocher située en bas à gauche, intitulée Afficher les tableaux de fréquences (Display frequency tables), demeure activée. Cette synergie permet d’assurer une confrontation immédiate entre les effectifs numériques précis et leur traduction géométrique sur le diagramme.

4.2 Configuration de la boîte de dialogue Graphiques

Une fois la variable cible positionnée dans le champ adéquat, le paramétrage spécifique de la figure s’opère en cliquant sur le bouton Graphiques… (Charts…) situé dans la marge supérieure droite de la boîte de dialogue des Fréquences. Cette action déclenche l’ouverture d’une sous-fenêtre dédiée au choix des représentations visuelles univariées.

Dans la section supérieure intitulée Type de graphique (Chart Type), l’utilisateur délaisse l’option par défaut Aucun pour cocher le bouton radio Diagrammes circulaires (Pie charts). Immédiatement en dessous, la section Valeurs du graphique (Chart Values) propose un arbitrage méthodologique fondamental entre deux options mutuellement exclusives :

• Effectifs (Frequencies) : les secteurs angulaires seront paramétrés d’après le décompte brut des sujets présents dans chaque modalité.
• Pourcentages (Percentages) : le système convertit automatiquement les fréquences brutes en fractions relatives sur une base normalisée de 100 %.

Dans la grande majorité des publications empiriques en sciences humaines, l’option Pourcentages est vivement recommandée, car elle facilite la comparaison inter-études indépendamment de la taille absolue des échantillons. L’utilisateur valide ensuite cette sélection en cliquant sur Poursuivre (Continue), ce qui ferme la sous-fenêtre, puis clique sur le bouton OK pour lancer l’exécution de la routine statistique et graphique.

4.3 Analyse immédiate de la fenêtre de résultats (Viewer)

L’exécution de la procédure génère instantanément l’affichage des éléments dans la fenêtre de sortie SPSS Viewer. La production se compose d’un premier tableau récapitulatif des observations valides et manquantes (Statistics), suivi du tableau de distribution de fréquences détaillé présentant les colonnes Fréquence, Pourcentage, Pourcentage valide et Pourcentage cumulé, et enfin du diagramme circulaire standard.

L’analyse visuelle immédiate impose un contrôle de cohérence entre le tableau numérique et le tracé graphique. L’observateur doit vérifier que la somme des pourcentages des modalités correspond bien au disque complet et que la hiérarchie visuelle des secteurs reflète fidèlement les proportions listées dans la colonne Pourcentage valide. Les couleurs par défaut attribuées par le moteur SPSS (généralement une palette basée sur des tons de bleu, vert, rouge et jaune selon la charte active) permettent de repérer d’emblée la tranche prédominante.

Cependant, à ce stade brut de génération, le diagramme circulaire produit via le menu Fréquences souffre souvent de limitations graphiques : les étiquettes de données chiffrées (effectifs ou pourcentages) ne sont pas inscrites par défaut à l’intérieur des secteurs, imposant un aller-retour perceptif permanent entre le disque et la légende latérale. Cette configuration primaire nécessite presque systématiquement un travail de post-traitement au sein de l’Éditeur de graphiques pour atteindre les standards de publication.

5. Méthode 2 : Utilisation du Générateur de graphiques (Chart Builder)

5.1 Initialisation du Générateur de graphiques

La seconde modalité de production repose sur le Générateur de graphiques (Chart Builder), une interface hautement interactive et modulaire introduite pour offrir un contrôle direct sur la structure visuelle des données. Fondé sur les principes de la grammaire des graphiques de Leland Wilkinson, cet outil permet de composer la figure élément par élément, d’en prévisualiser dynamiquement le rendu et d’ajuster les propriétés géométriques et esthétiques en amont de la génération finale.

L’accès s’effectue via le menu principal : Graphiques > Générateur de graphiques (Graphs > Chart Builder). À l’ouverture de l’interface, SPSS affiche généralement une boîte d’avertissement rappelant l’importance cruciale du paramétrage correct des niveaux de mesure (nominal, ordinal, échelle) et des étiquettes de valeurs dans la vue des variables. Après avoir validé cet écran de rappel, l’opérateur accède à une vaste fenêtre scindée en trois espaces de travail principaux : la liste des variables sur le côté gauche, la zone de prévisualisation (Canvas) au centre, et la galerie des types de graphiques dans la partie inférieure.

Dans la liste d’onglets de la Galerie (Gallery), l’utilisateur clique sur la catégorie intitulée Secteurs/Polaires (Pie/Polar). Le panneau inférieur affiche alors plusieurs archétypes graphiques, au premier rang desquels figure le modèle classique du diagramme circulaire univarié standard. Pour initialiser la construction, il convient de cliquer sur cette icône et de la faire glisser directement dans la zone de canevas centrale.

5.2 Glisser-déposer et configuration des axes

Une fois le gabarit du cercle matérialisé sous forme de filigrane dans le canevas central, des zones cibles interactives (appelées « zones de largage » ou drop zones) deviennent actives. Contrairement aux graphiques cartésiens qui disposent d’un axe des abscisses (X) et d’un axe des ordonnées (Y), le diagramme circulaire mobilise une zone fonctionnelle circulaire centrale désignée sous le terme de Découpage par (Slice By).

L’utilisateur sélectionne la variable catégorielle nominale dans la liste de gauche et effectue un glisser-déposer précis vers cette zone de segmentation Découpage par. Immédiatement, le canevas met à jour sa simulation visuelle en dessinant des tranches fictives associées aux modalités de la variable d’étude. Simultanément, un panneau latéral contextuel intitulé Propriétés des éléments (Element Properties) s’ouvre sur la droite de l’écran.

Dans ce panneau Propriétés des éléments, le chercheur configure l’indicateur quantitatif fondamental qui déterminera la dimension des angles dans la section Statistique. Par défaut, SPSS positionne l’indicateur sur Effectif (Count). Il est fortement conseillé de déployer le menu déroulant statistique pour sélectionner Pourcentage (Percentage). Si l’échantillon comporte des filtres ou des sélections d’observations, l’opérateur peut également spécifier la base de calcul du dénominateur (total général ou sous-groupe spécifique), assurant ainsi une parfaite adéquation mathématique avec la question de recherche posée.

5.3 Propriétés des éléments et personnalisation en amont

Le Générateur de graphiques se distingue par sa capacité à affiner les paramètres de la figure avant même sa projection dans le visualiseur de résultats. Toujours au sein du volet Propriétés des éléments, l’utilisateur a la faculté de réordonner manuellement la séquence d’apparition des modalités de la variable. Dans la liste déroulante Ordre, plusieurs alternatives méthodologiques s’offrent au chercheur : conserver l’ordre naturel des valeurs numériques sous-jacentes, adopter l’ordre alphabétique des libellés ou, approche vivement préconisée en analyse descriptive, trier les catégories selon une séquence décroissante de leurs effectifs (Descending order of counts).

Ce tri directionnel permet de débuter le tracé géométrique par la modalité empiriquement majoritaire, conférant à la visualisation une clarté narrative immédiate. Par ailleurs, SPSS autorise le paramétrage de l’angle de départ (Angle of first slice), classiquement fixé à 90 degrés (correspondant à midi sur un cadran d’horloge) ou à 0 degré (trois heures), facilitant ainsi l’alignement perceptuel du premier secteur avec l’axe vertical de référence.

Enfin, le chercheur peut intégrer des filtres contextuels en faisant glisser une variable secondaire vers la zone Filtre située en périphérie supérieure du canevas, ce qui permet de restreindre instantanément la génération du camembert à un sous-échantillon spécifique (par exemple, uniquement les patients féminins ou les participants du groupe témoin), sans avoir à modifier la base de données brute. Une fois l’ensemble des réglages paramétré, un clic sur le bouton OK génère une figure optimisée, structurellement bien plus aboutie que celle issue du menu des Fréquences classiques.

6. Méthode 3 : Syntaxe SPSS pour automatiser la création de diagrammes circulaires

6.1 Syntaxe standard via la commande FREQUENCIES

Dans le paradigme contemporain de la reproductibilité scientifique et de la science ouverte (Open Science), l’utilisation exclusive de l’interface graphique pilotée par menus présente des limites méthodologiques majeures : impossibilité d’auditer précisément le cheminement de clics, risque d’erreur humaine lors de la réplication et lourdeur opératoire face à des cohortes volumineuses. La maîtrise de la syntaxe de commande SPSS s’avère donc indispensable pour tout chercheur en psychologie quantitative désireux d’automatiser et de documenter ses protocoles d’analyse.

La commande la plus directe pour programmer un diagramme circulaire s’articule autour de la procédure historique FREQUENCIES. La structure de base de l’instruction requiert l’appel de la commande, la spécification de la ou des variables d’étude via la sous-commande /VARIABLES, et l’adjonction de la sous-commande explicite /PIECHART. L’utilisateur peut contraindre le calcul des angles en assignant l’argument FREQ pour les effectifs absolus ou PERCENT pour les pourcentages relatifs :

FREQUENCIES VARIABLES=Diagnostic_Principal
/PIECHART PERCENT
/ORDER=ANALYSIS.

Pour exécuter cette instruction au sein de l’Éditeur de syntaxe SPSS (fenêtre Syntax Editor), il suffit de sélectionner les lignes de code correspondantes à l’aide du curseur et de presser la combinaison de touches Ctrl+R (ou de cliquer sur le triangle vert de lecture dans la barre d’outils supérieure). L’argument /ORDER=ANALYSIS ordonne l’affichage selon les valeurs intrinsèques de la variable, mais il peut être substitué par /ORDER=DCOUNT pour contraindre SPSS à ranger les secteurs dans un ordre strictement décroissant d’effectifs, maximisant ainsi l’intelligibilité de la distribution produite.

6.2 Syntaxe avancée via la commande GGRAPH et GPL

Pour s’affranchir des contraintes stylistiques rigides des graphiques hérités, IBM SPSS Statistics met à disposition la puissante instruction GGRAPH, couplée au métalangage GPL (Graphics Programming Language). Cette approche permet un contrôle complet sur chaque élément graphique, définissant les coordonnées cartésiennes ou polaires, les sources de données virtuelles et le mappage esthétique précis des variables.

La création d’un diagramme circulaire via GPL nécessite de transformer formellement un système d’axes de coordonnées orthogonales en un espace polaire par l’instruction coord: polar.theta(). Voici la structure archétypale d’une syntaxe avancée générant un diagramme circulaire avec calcul des pourcentages et répartition chromatique :

GGRAPH
/GRAPHDATASET NAME= »graphdataset » VARIABLES=Diagnostic_Principal COUNT()[name= »count »]
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE: s=userSource(id(« graphdataset »))
DATA: Diagnostic_Principal=col(source(s), name(« Diagnostic_Principal »), unit.category())
DATA: count=col(source(s), name(« count »))
TRANS: percent=eval(100 * count / summary.sum(count))
COORD: polar.theta(startAngle(90))
GUIDE: axis(dim(1), null())
GUIDE: legend(aesthetic(aesthetic.color.interior), label(« Diagnostic psychopathologique »))
ELEMENT: interval.stack(position(summary.percent(Diagnostic_Principal)), color.interior(Diagnostic_Principal))
END GPL.

Ce bloc syntaxique illustre la mécanique sous-jacente : l’instruction ELEMENT: interval.stack indique que les données sont empilées, tandis que la transformation COORD: polar.theta(startAngle(90)) enroule cet empilement sur un cercle trigonométrique fermé, débutant à un angle vertical de 90 degrés. Cette méthode programmatique permet d’intégrer des scripts graphiques au sein de traitements par lots (batch processing) pour générer automatiquement des centaines de visualisations normalisées sur de larges registres épidémiologiques.

6.3 Documentation et archivage du code pour publication

L’utilisation de la syntaxe trouve son accomplissement méthodologique dans la rédaction de scripts documentés et reproductibles, destinés à être archivés dans des entrepôts scientifiques publics (tels que le réseau Open Science Framework (OSF), Zenodo ou GitHub) en accompagnement des publications évaluées par les pairs. Une bonne pratique en psychologie quantitative impose d’expliciter chaque bloc d’instructions à l’aide de commentaires clairs.

Dans l’interpréteur de syntaxe de SPSS, toute ligne débutant par un astérisque (*) et s’achevant par un point final (.) est traitée comme un commentaire ignoré lors de l’exécution, offrant ainsi un espace dédié à la métadonnée :

* =======================================================.
* PROTOCOLE DE VISUALISATION CLINIQUE – ETUDE COHORTE ANXIETE.
* Figure 1 : Distribution des sous-types diagnostiques.
* Logiciel : IBM SPSS Statistics v29.
* Auteur : Equipe de Recherche en Psychopathologie Quantitative.
* Données d’origine : cohort_baseline_clean.sav.
* =======================================================.
FREQUENCIES VARIABLES=Categorie_DSM
/PIECHART PERCENT
/ORDER=DCOUNT.
EXECUTE.

L’archivage conjoint du fichier de syntaxe (.sps), de la base de données anonymisée (.sav) et du journal de sortie graphique garantit une auditabilité totale de la recherche. Tout statisticien indépendant ou évaluateur de revue scientifique peut ainsi ré-exécuter le script à l’identique, éliminant tout doute quant à d’éventuelles distorsions visuelles ou manipulations sélectives des proportions présentées.

7. Personnalisation esthétique et visuelle via l’éditeur de graphiques SPSS

7.1 Accès et navigation dans l’éditeur de graphiques

La figure générée par défaut dans la fenêtre du visualiseur (SPSS Viewer) constitue rarement un produit fini prêt pour la publication académique. Pour transformer cette ébauche en un graphique rigoureux conforme aux normes scientifiques, l’utilisateur doit solliciter l’Éditeur de graphiques (Chart Editor) de SPSS. L’activation de cet environnement dédié s’opère par un double-clic gauche appliqué directement sur le diagramme circulaire au sein du Viewer.

Cette action ouvre une interface indépendante enrichie d’une barre d’outils spécialisée en haut de l’écran et de menus contextuels spécifiques. Parallèlement, la fenêtre flottante des Propriétés (Properties) s’active ; si ce n’est pas le cas, elle peut être appelée via le raccourci Ctrl+T ou par le menu Édition > Propriétés. L’Éditeur de graphiques repose sur une sélection hiérarchique d’éléments : un simple clic sur un composant sélectionne l’ensemble de la série (par exemple, la totalité du disque), tandis qu’un second clic ciblé permet d’isoler un secteur unique pour lui appliquer un traitement préférentiel.

La fenêtre des Propriétés adapte dynamiquement ses onglets en fonction de l’objet sélectionné par le curseur : Variables, Remplissage et bordure, Format de libellé, Position de libellé, Profondeur et angle. Il est essentiel de naviguer méthodiquement à travers ces rubriques pour configurer la disposition globale, éliminer les bordures superflues, ajuster la taille de la boîte englobante et veiller à ce que l’arrière-plan du graphique soit rigoureusement configuré sur un remplissage transparent ou blanc pur, excluant toute trame grise héritée des styles informatiques désuets.

7.2 Affichage et formatage des étiquettes de données

L’un des écueils majeurs des diagrammes circulaires non modifiés réside dans l’absence de valeurs numériques explicites sur les tranches, contraignant le lecteur à estimer visuellement les proportions d’après la taille relative des angles. Pour remédier à ce déficit d’informativité, l’insertion des étiquettes de données (Data Labels) est indispensable. Dans la barre d’outils de l’Éditeur de graphiques, il suffit de cliquer sur l’icône représentant une cible chiffrée (Afficher les étiquettes de données).

Dès l’activation de l’outil, la fenêtre Propriétés bascule sur l’onglet Libellé de valeur de données (Data Value Labels). Ce panneau permet de piloter très précisément le contenu textuel projeté sur chaque tranche. L’utilisateur peut transférer entre les zones Affiché (Displayed) et Non affiché (Not Displayed) les composantes suivantes : le décompte brut des effectifs, le pourcentage calculé et le nom du libellé de catégorie. La règle typographique recommandée consiste à afficher prioritairement le Pourcentage, complété entre parenthèses par l’effectif brut n correspondant.

L’optimisation formelle exige ensuite de se rendre sur l’onglet Format du nombre (Number Format). Par défaut, SPSS a la fâcheuse propension d’afficher deux décimales (ex. : 34,25 %). Afin d’alléger la densité visuelle et de respecter les recommandations de sobriété numérique, le nombre de décimales doit être ramené à zéro (valeurs entières arrondies, ex. : 34 %) ou tout au plus à une décimale si la précision clinique de micro-catégories le commande expressément. Dans l’onglet Position du libellé, le chercheur choisira une disposition « Centrée » au cœur de chaque secteur, en s’assurant via l’onglet Texte que la police de caractères (de type sans-serif comme Arial ou Calibri) présente une taille suffisante (typiquement 9 à 10 points) et un contraste chromatique élevé (texte noir sur fond clair ou texte blanc sur fond sombre) garantissant une parfaite lisibilité.

7.3 Modification de la palette chromatique et mise en relief

Le choix chromatique d’un diagramme circulaire ne relève pas d’une préférence artistique mais d’un impératif ergonomique et déontologique. Les palettes bariolées saturées fournies par défaut dans les versions anciennes de logiciels statistiques nuisent à la concentration et s’avèrent illisibles pour les personnes atteintes de déficiences de la vision des couleurs (daltonisme, protanopie, deutéranopie). Le chercheur doit sélectionner l’ensemble des tranches, accéder à l’onglet Remplissage et bordure (Fill & Border) de la fenêtre Propriétés, et sélectionner des teintes discriminables, douces et compatibles avec les chartes graphiques de la communauté scientifique.

Pour les publications destinées à l’impression traditionnelle sur support physique ou aux thèses universitaires reliées, la solution la plus rigoureuse consiste à convertir la palette en une échelle ordonnée de niveaux de gris, en veillant à ménager un écart de luminosité minimal de 20 % entre deux tranches contiguës afin d’éviter toute fusion tonale à l’impression. Des bordures de couleur blanche ou noire fine (épaisseur fixée à 0.5 ou 1 point) doivent délimiter nettement les arêtes de chaque secteur pour renforcer la séparation géométrique des catégories.

Une fonctionnalité visuelle fréquemment exploitée en communication clinique réside dans la séparation physique ou « explosion » d’un secteur critique (Explode Slice). Lorsqu’une modalité revêt une importance diagnostique ou théorique centrale dans l’argumentaire — par exemple, un sous-groupe de patients manifestant une résistance sévère au traitement —, l’expérimentateur peut isoler cette tranche par un simple clic sélectif, puis utiliser le curseur de glissement ou la fonction d’extraction pour l’écarter légèrement du centre du disque. Cette saillance spatiale guide immédiatement le regard de l’évaluateur vers le résultat d’intérêt, sans pour autant altérer l’angle géométrique mesurable de la catégorie considérée.

8. Interprétation statistique et psychologique des résultats graphiques

8.1 Lecture des proportions et comparaison inter-secteurs

L’interprétation statistique d’un diagramme circulaire repose sur une évaluation simultanée des rapports intra-échantillon et de la distribution globale de la variable. Le premier niveau d’inférence descriptive vise à identifier la modalité modale, c’est-à-dire le secteur qui occupe la superficie la plus vaste. Dans une perspective clinique, cette prédominance visuelle renseigne immédiatement sur le profil type ou la caractéristique la plus commune au sein de la cohorte étudiée.

Le second niveau d’analyse réside dans l’examen de la distribution : le chercheur évalue si les observations se répartissent de façon quasi-équimultiple entre les différentes branches (partition homogène où chaque secteur avoisine 1/k de la superficie totale) ou si la structure empirique présente une asymétrie marquée, caractérisée par une ou deux catégories hyper-dominantes écrasant une nébuleuse de modalités marginales. L’observateur attentif confrontera toujours les grandeurs géométriques perçues aux effectifs chiffrés réels pour valider son jugement intuitif, prévenant ainsi les conclusions erronées générées par des effets de contraste visuel.

Il est par ailleurs fondamental de relier l’angle des secteurs aux seuils théoriques de référence. Un secteur qui excède nettement l’angle droit (90°) signale qu’une catégorie regroupe plus d’un quart des sujets d’étude ; un demi-disque (180°) matérialise une majorité absolue stricte. Ces points d’ancrage perceptuels constituent des repères cognitifs spontanés pour l’esprit humain, conférant au diagramme circulaire son utilité dans la vulgarisation des grandes tendances d’une base de données de santé mentale.

8.2 Biais cognitifs et limites de la perception humaine des angles

En dépit de son attrait visuel indéniable, le diagramme circulaire fait l’objet de critiques méthodologiques sévères de la part des spécialistes de la visualisation de données et de la psychophysique expérimentale. Les travaux fondateurs de William S. Cleveland et Robert McGill (1984) sur la perception graphique ont formellement établi une hiérarchie dans l’exactitude des jugements perceptuels élémentaires effectués par le système cognitif humain :

• 1. Position le long d’une échelle commune (niveau d’exactitude le plus élevé, propre aux diagrammes en barres alignés).
• 2. Position le long d’échelles non alignées.
• 3. Longueur d’un segment rectiligne.
• 4. Direction / Pente d’une droite.
• 5. Angle (propre aux diagrammes circulaires).
• 6. Superficie / Aire (propre aux diagrammes circulaires).
• 7. Volume et courbure (exactitude la plus faible).

Cette échelle psychophysique démontre sans ambiguïté que l’estimation humaine des angles et des aires surfaciques est significativement moins précise que celle de la longueur sur un axe linéaire commun. L’œil humain est sujet à des illusions systématiques : il tend à sous-estimer systématiquement les angles aigus (inférieurs à 30°) et à surestimer les angles obtus (supérieurs à 90°). De surcroît, deux secteurs possédant des superficies très proches (par exemple 23 % et 27 %) sont pratiquement indiscernables sur un plan angulaire pour un observateur standard sans le recours explicite aux étiquettes chiffrées, alors que cette même différence de 4 % se manifeste avec une netteté incontestable sur un diagramme en barres.

Un autre biais cognitif documenté réside dans l’« effet de primauté d’orientation ». Un secteur dont l’une des arêtes est rigoureusement alignée sur la verticale sommitale (angle à midi) ou sur l’axe horizontal bénéficie d’une saillance d’ancrage accrue dans le champ perceptif de l’observateur. Ce dernier aura tendance à juger ce secteur d’ancrage plus volumineux qu’un secteur de dimensions strictement identiques mais orienté de façon oblique en bas à gauche du disque. Le chercheur doit avoir une conscience aiguë de ces vulnérabilités psychophysiques lors de la sélection de son mode de représentation.

8.3 Intégration de l’interprétation dans le compte rendu clinique ou de recherche

Dans la section « Résultats » d’un manuscrit scientifique ou d’un rapport psychologique clinique, la présentation d’un diagramme circulaire ne doit en aucun cas se substituer à une synthèse textuelle analytique et contextualisée. L’insertion de la figure vise à illustrer un argument méthodologique préalablement conceptualisé, et non à dispenser l’auteur de son travail de démonstration statistique.

Le corps du texte doit formuler explicitement les constats majeurs tirés de la visualisation, en énonçant systématiquement les pourcentages valides, les intervalles de confiance associés lorsque cela est pertinent, et la taille de l’effectif résiduel d’analyse (N). Le chercheur articulera son interprétation autour des hypothèses de départ : la surreprésentation d’une catégorie diagnostique concorde-t-elle avec la littérature épidémiologique de référence ? Observe-t-on un recrutement clinique équilibré entre les sous-groupes expérimentaux ?

Enfin, cette interprétation univariée doit systématiquement servir de tremplin logique vers les analyses statistiques bivariées ou multivariées ultérieures. Si le diagramme circulaire révèle une répartition excessivement asymétrique d’une variable (par exemple, 94 % des participants concentrés sur une modalité unique et 6 % dispersés sur trois autres), l’analyste en conclura que cette variable souffre d’une variance insuffisante et qu’elle ne pourra pas être introduite telle quelle comme prédicteur dans un modèle de régression logistique ou dans une analyse factorielle sans compromettre la stabilité des estimateurs matriciels.

9. Normes de présentation académique et conformité APA (7e édition)

9.1 Exigences formelles des figures selon le style APA 7

La mise en forme des visualisations statistiques destinées aux revues affiliées à l’American Psychological Association ou appliquant les conventions du Manuel de publication de l’APA (7e édition) est encadrée par des prescriptions typographiques strictes. L’APA 7 a harmonisé la structure de présentation des figures avec celle des tableaux, rompant avec plusieurs pratiques désuètes des éditions antérieures.

Un graphique aux normes APA 7 comprend désormais quatre composantes architecturales obligatoires, disposées verticalement de haut en bas :

• Numéro de la figure : aligné à gauche en haut de l’élément, rédigé en caractères gras, selon le format standard « Figure 1 » (sans point final).
• Titre de la figure : positionné une ligne sous le numéro de la figure, à double interligne, aligné à gauche. Il doit être rédigé en caractères italiques, avec des majuscules aux mots principaux (titre de niveau majuscule / Title Case), de manière concise mais hautement descriptive (ex. : Répartition proportionnelle des catégories diagnostiques au sein de la cohorte d’évaluation initiale).
• L’image graphique proprement dite : le diagramme circulaire lui-même, nettoyé de tout titre interne intégré dans l’image (le titre logiciel généré par SPSS à l’intérieur du cadre graphique doit impérativement être supprimé dans l’Éditeur de graphiques).
• Note de figure : située immédiatement sous le graphique, alignée à gauche. Elle débute par l’étiquette « Note. » en italique, suivie d’un point. Cette note explicite le contenu contextuel, définit sans exception toutes les abréviations mobilisées dans les étiquettes ou légendes, précise la taille totale de l’échantillon analysé (ex. : N = 250), le traitement des données manquantes, et mentionne éventuellement la source d’origine des données en cas de réutilisation autorisée.

9.2 Gestion des chartes graphiques académiques

L’intégration d’un graphique dans un manuscrit académique exige une cohérence typographique globale avec le corps du texte. Les polices d’écriture utilisées au sein du diagramme circulaire (pour la légende et les étiquettes de tranches) doivent appartenir aux familles sans-serif standard approuvées par l’APA, telles que Arial, Calibri ou Lucida Sans Unicode, avec des corps de texte calibrés entre 8 et 12 points pour assurer une réduction optique sans dégradation de la lisibilité.

Concernant la palette graphique, l’APA recommande la sobriété : si l’article est destiné à une diffusion exclusive en ligne, la couleur est pleinement autorisée, à condition de privilégier des nuances non agressives et discernables par des lecteurs présentant un daltonisme. Toutefois, en cas d’impression papier monochrome, le diagramme doit être conçu directement en tons de gris contrastés ou incorporer des motifs de remplissage géométriques discrets (hachures diagonales, pointillés) pour que chaque secteur se démarque sans équivoque.

De plus, il convient de proscrire absolument toute surcharge décorative inutile (ce que le statisticien Edward Tufte qualifie de chartjunk). Sont formellement interdits dans un manuscrit scientifique aux normes APA : les bordures extérieures encadrant l’ensemble de la figure, les arrière-plans colorés ou tramés, les effets d’ombre portée sous le disque, et de manière absolue, tout effet de volume tridimensionnel (3D).

9.3 Procédure d’exportation haute résolution depuis SPSS

L’insertion d’un diagramme circulaire dans un traitement de texte (Microsoft Word, LibreOffice Writer ou LaTeX) ne doit jamais s’effectuer par une simple capture d’écran, laquelle produit une image matricielle de faible résolution (72 ou 96 DPI), floue et inacceptable pour la gravure éditoriale. SPSS dispose d’une fonction d’exportation native permettant de générer des fichiers de qualité professionnelle.

Pour exporter le diagramme optimisé, l’utilisateur effectue un clic droit sur le graphique dans le Viewer SPSS et sélectionne Exporter… (Export…). Dans la boîte de dialogue d’exportation, il convient de modifier l’option Objets à exporter sur Graphiques sélectionnés (Selected Graphics) pour ne pas exporter l’intégralité du journal de résultats.

Dans la section des paramètres de format de document/graphique, deux voies méthodologiques de haut niveau sont offertes :

• Formats vectoriels : la sélection du format PDF ou EPS (Encapsulated PostScript) garantit une résolution mathématiquement infinie. Les courbes et textes du diagramme demeurent impeccablement nets, indépendamment du niveau de zoom ou de redimensionnement appliqué lors de la mise en page finale.
• Formats matriciels haute résolution : si le format d’image pixelisée est exigé par l’éditeur, il convient de sélectionner le format TIFF ou PNG non compressé. L’opérateur doit impérativement paramétrer la résolution spatiale à un seuil minimal de 300 DPI (dots per inch), idéalement 600 DPI pour les tracés au trait et schémas scientifiques.

Une fois le fichier généré, son intégrité visuelle doit être validée à l’échelle 100 % dans une visionneuse d’images avant incorporation dans le document de recherche, garantissant une netteté éditoriale sans compromis.

10. Erreurs courantes et écueils méthodologiques à éviter

10.1 L’illusion 3D et les déformations perspectives

L’une des dérives les plus sévères et pourtant encore fréquentes dans la communication visuelle de masse réside dans l’utilisation de graphiques circulaires pseudo-tridimensionnels, dotés d’un effet d’extrusion de volume et d’un plan d’inclinaison oblique (diagrammes en 3D). Bien que le générateur de graphiques de versions antérieures de logiciels bureautiques ou statistiques permette d’activer cette option décorative, l’usage de la 3D dans un contexte scientifique relève d’une faute méthodologique majeure.

La projection oblique d’un disque circulaire engendre un phénomène d’anamorphose géométrique inévitable : le cercle devient une ellipse dans le plan de projection bidimensionnel. De ce fait, les règles trigonométriques qui sous-tendent la correspondance entre angle et proportion sont anéanties. Les secteurs positionnés sur la partie inférieure de la figure, face à l’observateur (au premier plan), voient leur superficie apparente artificiellement hypertrophiée par l’ajout des parois verticales d’extrusion.

Inversement, les secteurs situés sur la partie haute de l’ellipse (à l’arrière-plan) subissent un écrasement perspectif drastique qui réduit visuellement leur aire perçue de plus de 30 à 40 %. Un secteur représentant 20 % des données placé au premier plan paraîtra ainsi spontanément beaucoup plus volumineux qu’un secteur de 25 % situé à l’arrière. Cette falsification involontaire de la hiérarchie métrique viole le principe fondamental d’intégrité graphique établi par Cleveland et Tufte. En recherche scientifique, les diagrammes circulaires doivent impérativement demeurer strictement bidimensionnels et vus du zénith.

10.2 La fragmentation excessive des données

Le second écueil le plus courant réside dans l’absence de régulation du nombre de modalités représentées, aboutissant à une fragmentation excessive du disque en une multitude de micro-secteurs capillaires. Cette dérive survient fréquemment lorsque le chercheur injecte sans discernement une variable nominale à granularité fine — telle que le libellé précis des spécialités médicales, des codes postaux ou de diagnostics psychiatriques secondaires très rares.

Dès lors que le diagramme comporte plus de 8 à 10 tranches, la lisibilité s’effondre irrémédiablement. Les secteurs représentant des pourcentages inférieurs à 2 ou 3 % ne constituent plus que d’infimes filets géométriques sur lesquels il est matériellement impossible de positionner une étiquette textuelle intelligible. Il en résulte une prolifération anarchique de lignes de renvoi (leader lines) qui traversent l’espace graphique, se croisent et provoquent une surcharge cognitive majeure.

Face à une telle configuration empirique, le chercheur doit obligatoirement opérer un choix méthodologique : soit renoncer au diagramme circulaire au profit d’un diagramme en barres horizontales doté d’une barre de défilement ou d’une échelle graduée, soit procéder à un regroupement raisonné des catégories rares au sein d’une modalité chapeau « Autres ». Maintenir un camembert éclaté en vingt lamelles illisibles dessert totalement l’objectif de synthèse descriptive inhérent à la statistique appliquée.

10.3 Erreurs de calcul et de référentiel de base

Une anomalie logique gravissime, mais ponctuellement observée dans des rapports hâtifs, réside dans la publication de diagrammes circulaires dont la somme des composantes ne totalise pas exactement 100 %. Cette faute provient quasi-systématiquement de deux sources d’erreurs méthodologiques élémentaires :

• L’application sur des questions à choix multiples : si un protocole de recherche autorise les participants à sélectionner plusieurs symptômes au sein d’une liste (par exemple, « Cochez tous les effets secondaires ressentis : Céphalées, Insomnie, Nausées »), les pourcentages marginaux calculés sur la base de l’échantillon total s’additionnent pour atteindre 140 %, 180 % ou plus. Tenter de projeter ces données dans un disque circulaire constitue une absurdité mathématique absolue, le disque incarnant par essence un tout unitaire indépassable (100 %).
• La confusion entre pourcentages bruts et pourcentages valides : en présence d’une proportion substantielle de non-réponses ou de données manquantes (missing data), si le statisticien calcule les pourcentages par rapport à l’effectif total N tout en omettant de dessiner le secteur dévolu aux données manquantes, la somme des tranches visibles affichera un total déficitaire (ex. : 87 %). L’observateur se trouve alors face à un disque dont 13 % de la superficie mathématique ont mystérieusement disparu.

Il est donc du devoir déontologique de l’analyste de s’assurer, avant toute validation d’une figure, que le référentiel de base est formellement documenté et que la sommation stricte des pourcentages des tranches représentées équivaut sans équivoque à 100,0 % des cas retenus dans l’analyse valide.

11. Alternatives graphiques recommandées dans la recherche psychologique

11.1 Le diagramme en barres (Bar Chart)

En raison des biais perceptuels inhérents à l’estimation angulaire, la communauté des méthodologistes et statisticiens recommande très majoritairement de substituer le diagramme en barres (Bar Chart) au diagramme circulaire dans les communications scientifiques destinées aux revues à comité de lecture. Le diagramme en barres aligne les différentes modalités sur une ligne de base commune (généralement l’axe des ordonnées ou des abscisses), convertissant la comparaison de proportions en une tâche d’estimation de longueurs relatives.

Conformément aux prédictions de la psychophysique expérimentale, le système visuel humain discrimine avec une finesse remarquable d’infimes variations d’alignement linéaire le long d’une échelle graduée. Une divergence d’à peine 1 ou 2 % entre deux conditions expérimentales — totalement invisible à l’œil nu sur deux secteurs circulaires adjacents — apparaît immédiatement lorsqu’elle est projetée sous la forme de deux barres de hauteurs distinctes.

De plus, le diagramme en barres présente une résilience structurelle incomparablement plus élevée face à l’accroissement du nombre de modalités. Il est tout à fait possible de juxtaposer quinze ou vingt barres horizontales étiquetées avec limpidité sans que le graphique perde de sa lisibilité. Dans SPSS, la substitution s’opère trivialement en sélectionnant l’option Diagrammes en bâtons (Bar charts) au sein de la sous-fenêtre graphique des Fréquences, ou en choisissant le modèle de barres dans la galerie du Chart Builder.

11.2 Le graphique en anneau (Donut Chart)

Le graphique en anneau — ou diagramme en beignet (Donut Chart) — constitue une variante structurelle directe du diagramme circulaire, caractérisée par l’évidement complet de sa zone centrale. Bien qu’il partage plusieurs des limites intrinsèques du camembert, l’anneau apporte une modification perceptuelle substantielle : la suppression du sommet angulaire central neutralise l’indice d’angle au profit exclusif de la longueur d’arc circonférentielle.

L’attention de l’observateur se trouve ainsi déportée vers le périmètre extérieur, ce qui réduit certains effets d’illusion liés aux surfaces triangulaires pleines. En outre, la cavité centrale libérée offre un espace typographique fonctionnel pour inscrire des informations synthétiques globales d’une grande valeur clinique : l’effectif total valide de l’échantillon (ex. : N = 250), la valeur de la moyenne générale, ou l’intitulé conceptuel de la variable étudiée, évitant ainsi d’encombrer la périphérie externe de la figure.

Sous IBM SPSS Statistics, le graphique en anneau ne dispose pas d’un bouton de génération directe simplifiée dans les menus classiques. Sa création exige de passer par le langage de programmation GPL (Graphics Programming Language) dans l’éditeur de syntaxe, en ajustant les paramètres de coordonnées polaires et en appliquant une contrainte de rayon intérieur non nul (coord: polar.theta(inside())). Il est largement mobilisé dans les tableaux de bord interactifs et les synthèses exécutives contemporaines.

11.3 Matrice de graphiques et représentations multivariées

Le diagramme circulaire standard est strictement univarié : il ne peut modéliser qu’une seule variable catégorielle à la fois. Lorsqu’un chercheur souhaite explorer la relation entre deux variables qualitatives (par exemple, la distribution des catégories diagnostiques en fonction du sexe biologique des participants), le recours à des diagrammes circulaires juxtaposés côte à côte (Paneling ou matrice de secteurs) révèle des limites méthodologiques majeures.

L’œil humain est biologiquement incapable d’effectuer une comparaison croisée rigoureuse d’angles et de surfaces entre deux disques spatiaux distincts. Évaluer si la tranche « Troubles Anxieux » chez les hommes est significativement plus large que son homologue chez les femmes exige un balayage oculaire saccadé permanent et une mémorisation transitoire des grandeurs angulaires, sources d’approximations massives et d’erreurs de jugement.

Dans ce contexte multivarié, les méthodologistes préconisent d’orienter systématiquement l’analyse visuelle vers des diagrammes en barres groupées (Clustered Bar Charts) ou des diagrammes en barres empilées normalisées à 100 % (Stacked Bar Charts). Ces visualisations permettent de juxtaposer directement les segments sur des ancrages horizontaux identiques, offrant une lecture directe des variations proportionnelles intergroupes et autorisant une confrontation statistique adossée au test d’indépendance du Chi-deux de Pearson (χ²).

12. Étude de cas pratique : Analyse de variables cliniques et démographiques

12.1 Présentation du jeu de données psychologique expérimental

Afin de concrétiser l’ensemble des principes méthodologiques et techniques énoncés, considérons une étude clinique prospective menée dans un centre de consultations psychiatriques universitaires. Une cohorte consécutive de N = 250 patients adultes a été incluse lors d’un protocole d’évaluation préalable à une intervention de thérapie cognitivo-comportementale (TCC). L’objectif du chercheur est de synthétiser la structure nosographique de cette patientèle à l’admission.

La variable clinique principale, nommée Diag_Principal, est une variable catégorielle nominale comportant cinq modalités mutuellement exclusives, encodées numériquement selon le dictionnaire suivant :

• 1 = Trouble Dépressif Caractérisé (TDC)
• 2 = Trouble Panique avec Agoraphobie (TPA)
• 3 = Trouble d’Anxiété Sociale (TAS)
• 4 = Trouble d’Anxiété Généralisée (TAG)
• 5 = Trouble Obsessionnel-Compulsif (TOC)

Le nettoyage préalable a confirmé l’absence totale de données manquantes sur cette variable pivot (250 observations valides). La répartition brute observée s’établit comme suit : TDC (n = 95), TPA (n = 60), TAS (n = 45), TAG (n = 35), TOC (n = 15). Le statisticien se propose d’élaborer le diagramme circulaire de publication illustrant cette distribution d’admission.

12.2 Protocole pas à pas de réalisation sous SPSS

Le chercheur engage la procédure de modélisation visuelle au sein d’IBM SPSS Statistics en suivant le protocole opérationnel standardisé ci-après :

1. Vérification métrologique : Dans l’onglet Vue des variables, s’assurer que Diag_Principal est déclarée en type Numérique, avec zéro décimale, que le libellé est renseigné (Diagnostic principal à l’admission), que les cinq modalités sont explicitées dans Valeurs, et que la colonne Mesure est fixée sur Nominal.
2. Génération via le Chart Builder : Naviguer vers Graphiques > Générateur de graphiques. Dans la galerie Secteurs/Polaires, faire glisser le modèle circulaire standard dans le canevas. Glisser la variable Diag_Principal dans la zone Découpage par.
3. Configuration de la métrique : Dans le panneau latéral Propriétés des éléments, remplacer la statistique Effectif par Pourcentage. Sélectionner un tri par Ordre décroissant des effectifs pour amorcer la figure par la modalité modale (TDC). Cliquer sur OK pour créer la figure dans le Viewer.
4. Édition esthétique approfondie : Effectuer un double-clic gauche sur le diagramme généré dans le Viewer pour ouvrir l’Éditeur de graphiques.
5. Insertion des étiquettes : Cliquer sur l’icône Afficher les étiquettes de données. Dans la boîte de dialogue contextuelle, afficher à la fois le Pourcentage et l’Effectif. Configurer le format du nombre sur une décimale pour les pourcentages (ex. : 38,0 %). Centrer les étiquettes dans chaque tranche avec une typographie Arial noire de 9 points.
6. Harmonisation chromatique : Sélectionner individuellement les secteurs pour leur attribuer une palette harmonieuse de tons pastel discernables (ou une gamme ordonnée de niveaux de gris si destinée au noir et blanc), délimitée par une fine bordure blanche continue d’un point.
7. Nettoyage des fioritures : Supprimer le titre logiciel supérieur généré automatiquement par SPSS ainsi que le cadre englobant extérieur. Fermer l’Éditeur de graphiques pour valider les modifications.
8. Exportation haute résolution : Clic droit sur le graphique optimisé dans le Viewer > Exporter… > Format d’image TIFF > Résolution fixée à 300 DPI. Enregistrer sous le nom de fichier Figure1_Diagnostics_Baseline.tif.

12.3 Rédaction du rapport de résultats et synthèse empirique

Une fois le fichier graphique exporté et incorporé dans le manuscrit scientifique selon les règles typographiques de l’APA 7e édition, le chercheur rédige le paragraphe d’accompagnement dans la section « Résultats ». Le texte doit impérativement articuler les grandeurs quantitatives rigoureuses sans paraphraser platement la figure :

« La ventilation des motifs de prise en charge clinique au sein de notre échantillon (N = 250) révèle une forte prévalence des troubles de l’humeur unilatéraux, complétée par un spectre diversifié de manifestations anxieuses (voir Figure 1). Comme l’illustre la répartition proportionnelle, plus d’un tiers de la cohorte répond aux critères diagnostiques du trouble dépressif caractérisé (38,0 %, n = 95). Les troubles paniques avec agoraphobie constituent la seconde entité morbide la plus représentée (24,0 %, n = 60), suivis par le trouble d’anxiété sociale (18,0 %, n = 45) et le trouble d’anxiété généralisée (14,0 %, n = 35). Enfin, les patients souffrant de trouble obsessionnel-compulsif forment la fraction la plus restreinte du recrutement expérimental, représentant 6,0 % des admissions valides (n = 15). Cette asymétrie distributionnelle est conforme aux tendances épidémiologiques observées en milieu hospitalier ambulatoire et justifie l’introduction ultérieure de contrastes polynomiaux dans l’analyse de variance des scores d’efficacité thérapeutique. »

Avant la soumission finale de l’article à l’éditeur de la revue, le chercheur effectue une ultime revue de conformité au moyen de la checklist méthodologique suivante :

• Les catégories sont-elles strictement exclusives et exhaustives (total = 100,0 %) ? Oui.
• Le nombre de secteurs est-il limité (ici, exactement 5 catégories) ? Oui.
• Les étiquettes de données comportent-elles à la fois les pourcentages valides et les effectifs réels ? Oui.
• Le graphique est-il rigoureusement exempt de toute perspective 3D ou déformation visuelle ? Oui.
• La figure comporte-t-elle le numéro en gras, le titre en italique et la note explicative définissant les sigles (TDC, TPA, TAS, TAG, TOC) selon le style APA 7 ? Oui.
• Le fichier source est-il exporté avec une résolution minimale de 300 DPI ? Oui.
• Le script de syntaxe SPSS (.sps) ayant produit la figure est-il archivé dans le dossier d’audit de l’étude ? Oui.

La validation formelle de l’ensemble de ces critères garantit que le diagramme circulaire remplit parfaitement sa mission d’instrumentation scientifique : fournir une représentation visuelle fidèle, rigoureuse, reproductible et exempte de distorsion cognitive au service de la psychologie quantitative.

Références

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554. https://doi.org/10.1080/01621459.1984.10478080
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• IBM Corporation. (2023). IBM SPSS Statistics 29 Core System User’s Guide. IBM Corporation. https://www.ibm.com/docs/en/spss-statistics
• Playfair, W. (1801). The statistical breviary: Shewing, on a principle entirely new, the resources of every state and kingdom in Europe. T. Bensley.
• Spence, I. (2005). No humble pie: The origins and usage of a statistical chart. Journal of Educational and Behavioral Statistics, 30(4), 353–368. https://doi.org/10.3102/10769986030004353
• Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677
• Sweller, J. (2011). Cognitive load theory. In J. P. Mestre & B. H. Ross (Eds.), The psychology of learning and motivation: Cognition in education (Vol. 55, pp. 37–76). Academic Press. https://doi.org/10.1016/B973-104-X(11)55002-9
• Tufte, E. R. (2001). The visual display of quantitative information (2nd ed.). Graphics Press.
• Wilkinson, L. (2005). The grammar of graphics (2nd ed.). Springer. https://doi.org/10.1007/0-387-28695-0