Auditer un graphique pour repérer une conception trompeuse

Auteur: AILesson7 min de préparationTesté avec:ChatGPTRévisé: 2026-08-28

Réponse rapide

Examiner l'échelle, l'encodage visuel, les libellés, le contexte manquant et l'affirmation au regard des valeurs sources. Fournir: Description du graphique, Valeurs sources et définitions, Public et affirmation visée. Résultat attendu: Un audit du graphique classé par gravité et une spécification de conception corrigée.

1

Ajouter votre contexte

Votre texte reste dans ce navigateur. AILesson Prompts ne l’envoie ni à un modèle ni à un serveur.

2

Votre prompt

Les champs non remplis restent visibles sous forme d’espaces réservés, afin que vous puissiez quand même copier et modifier le prompt.

Auditez ce graphique pour repérer une conception trompeuse ou peu claire.

Type de graphique, axes, échelles, libellés, couleurs, annotations et titre :
[chart]

Valeurs sources, définitions, unités, dénominateurs, périodes et données manquantes :
[source]

Public et affirmation visée :
[claim]

Comparez chaque encodage visuel et chaque affirmation textuelle avec la source. Vérifiez les axes tronqués ou inégaux, les distorsions de surface ou de volume, les doubles axes, l'ordre des catégories, les références omises, les périodes sélectionnées de manière avantageuse, les dénominateurs variables, l'absence d'incertitude ou de taille d'échantillon, l'accessibilité des couleurs et la formulation du titre. Classez les constats comme bloquants, importants ou mineurs. Définissez ensuite un graphique corrigé et énoncez l'affirmation la plus forte que les éléments probants permettent réellement d'étayer. N'inventez aucun détail source non fourni.
Essayer dans le Playground
Privé par défautL’assemblage du prompt se fait localement dans votre navigateur. Évitez de placer des informations confidentielles dans un service d’IA, sauf si votre organisation l’autorise.

De l'entrée au résultat

Un exemple détaillé

Voyez comment un contexte concret transforme cette recette en résultat utilisable.

Entrée réelle

Description du graphique
Un histogramme 3D intitulé « La nouvelle formation double la productivité ». Il présente Before=82 et After=91 tâches par semaine. L'axe vertical commence à 80. Before est gris et After vert vif. Aucune taille d'échantillon ni aucune date n'est indiquée.
Valeurs sources et définitions
Les mêmes 12 employés ont été observés pendant quatre semaines avant et quatre semaines après la formation. Les valeurs sont les moyennes du groupe. Il n'existe aucun groupe témoin. Deux employés étaient en congé pendant une semaine de la période postérieure. Les variations individuelles et l'incertitude ne sont pas fournies.
Public et affirmation visée
Diapositive destinée à la direction pour justifier le déploiement de la formation dans toute l'entreprise.

Exemple de sortie

Constats bloquants

Le titre est faux : 91 est supérieur de 11,0 % à 82, et non deux fois plus élevé. L'axe vertical commençant à 80 fait occuper presque toute la hauteur du graphique à une hausse de neuf tâches, et la perspective 3D ajoute une distorsion visuelle. Sans groupe témoin, la différence avant-après ne peut pas être attribuée à la formation.

Constats importants

Le graphique omet n=12, les périodes de quatre semaines, la mesure appariée, la différence de couverture liée aux congés et l'incertitude. Une moyenne seule ne permet pas de savoir si l'amélioration est générale ou due à quelques employés. Le vert vif suggère aussi une approbation plutôt qu'une comparaison neutre.

Spécification corrigée

Utilisez un graphique à points appariés des moyennes avant et après de chaque employé si les données individuelles sont disponibles, accompagné d'un résumé de groupe clairement libellé. Sinon, utilisez un simple graphique de pente à deux points ou un histogramme avec une ligne de base à zéro, une conception 2D sans perspective, les libellés exacts 82 et 91, et le sous-titre « La moyenne observée a augmenté de 9 tâches/semaine (11 %) ; n=12 ; comparaison avant-après sans groupe témoin. » Ajoutez les périodes datées, une note sur la couverture et l'incertitude une fois celle-ci calculée. L'affirmation la plus forte qui puisse être étayée est que la moyenne observée était plus élevée après la formation ; les données n'établissent pas que la formation a causé cette hausse et ne permettent pas de prévoir les résultats à l'échelle de l'entreprise.

Pourquoi cela fonctionne

  1. 1

    Comparer le visuel aux valeurs sources permet de repérer les distorsions qu'un examen limité au style manquerait.

  2. 2

    Le classement par gravité distingue les défauts qui altèrent la vérité des simples améliorations de finition.

Vérifier le résultat

  • Les distances visuelles sont-elles proportionnelles aux valeurs sous-jacentes ?

  • Le titre décrit-il les éléments probants au lieu de suggérer une causalité non étayée ?

  • Les dénominateurs, les périodes, les exclusions et les tailles d'échantillon sont-ils visibles là où ils sont nécessaires ?

Fondements de la méthode

Sources et citations

Sources primaires à l’appui de choix de conception précis dans cette recette. Elles ne garantissent pas un résultat particulier de l’IA.

  1. L'audit vérifie l'encombrement du graphique, la lisibilité des libellés, les équivalents textuels et les sources de données liées, car les recommandations officielles britanniques les considèrent comme des pratiques essentielles d'accessibilité et de transparence des graphiques.

    Accessible charts: a checklist of the basics — UK Government Analysis FunctionSource vérifiée:

Utilisez-la en toute confiance

Questions fréquentes

Des réponses pratiques sur le bon moment pour utiliser cette recette, ce qu’il faut fournir et les cas où une vérification humaine reste nécessaire.

Que dois-je préparer avant d'utiliser « Auditer un graphique pour repérer une conception trompeuse » ?

Pour utiliser « Auditer un graphique pour repérer une conception trompeuse », préparez la description du graphique, les valeurs sources et les définitions, ainsi que le public et l'affirmation visée. Remplacez les espaces réservés uniquement par des informations que vous pouvez vérifier. Si un détail est inconnu, indiquez clairement cette incertitude au lieu de demander au modèle de le déduire.

Dans quels cas le résultat de « Auditer un graphique pour repérer une conception trompeuse » n'est-il pas encore prêt à être utilisé ?

Le résultat n'est pas prêt s'il ne produit pas encore, à partir des éléments fournis, le résultat annoncé — un audit du graphique classé par gravité et une spécification de conception corrigée — ou s'il repose sur des hypothèses non résolues, des approbations manquantes ou des détails inventés. Utilisez les contrôles comme critères de validation : révisez les données sources ou désignez nommément une personne habilitée à effectuer la révision, au lieu de peaufiner un résultat sans fondement.

Quels outils d'IA disposent de tests enregistrés pour « Auditer un graphique pour repérer une conception trompeuse » ?

Le registre de tests publié pour « Auditer un graphique pour repérer une conception trompeuse » mentionne ChatGPT à la date du 2026-08-28. Cela confirme l'existence d'essais enregistrés, mais ne garantit ni la compatibilité ni des résultats identiques dans des versions ultérieures du produit. Pour un autre outil ou une autre version, gardez toutes les contraintes visibles et répétez les contrôles du résultat avant utilisation.

Faites avancer votre travail