• Dossier
• Eclairages
• Recherches
• Universités
• Tribune
• Honoris causa

• L'agenda universitaire
• Les comptes rendus

Archives

• Démarche d’investigation, modélisation et enseignement des sciences
• L’intérêt de la modélisation dans l’étude du comportement animal
• Le Parlement européen est-il vraiment une assemblée représentative ?
• L’Etat-providence suédois et le paradoxe de la redistribution
• Pour une meilleure efficacité des cartes
• Une culture pour les masses ?
• Aspects du marché du travail lorrain pendant la Reconstruction

Newsletter

Pour une meilleure efficacité des cartes

Envoyer a un ami Imprimer l'article Reagir a l'article

On observe une utilisation croissante de la cartographie dans des domaines thématiques variés (topographie, aménagement du territoire, environnement, urbanisme, etc.), les cartes étant conçues par des organismes officiels comme l’Institut Géographique National (IGN) ou par les utilisateurs eux-mêmes grâce aux outils informatiques comme les Systèmes d’Information Géographique (SIG).

De ce fait, il semble intéressant de s’interroger sur l’efficacité [1] des cartes, notamment leur lisibilité de façon à rendre les cartes mieux adaptées à leurs objectifs et à leurs utilisateurs. La couleur intervient pour beaucoup dans cette lisibilité. Des cartographes, comme Bertin [2], ont élaboré des règles graphiques pour créer des cartes plus efficaces mais elles ne sont pas intégrées dans les logiciels de cartographie. Il semble donc important de développer des outils d’amélioration des cartes. Une proposition est d’améliorer automatiquement la lisibilité d’une carte à travers l’analyse de ses contrastes de couleur.

Exemple d’application : amélioration des contrastes de couleur dans les cartes de risque

La cartographie des risques ayant un impact important en terme d’occupation des espaces ou d’action, il est nécessaire qu’elle soit efficace. Or, les risques sont difficiles à cartographier. En effet, un risque se compose d’aléas (inondation avec une fréquence d’occurrence et une intensité) et d’enjeux (bâtiments, routes) qui peuvent être vulnérables. Dans une carte, ces informations peuvent être nombreuses et se superposer les unes aux autres. La couleur, grâce à l’éventail de ses contrastes, est souvent utilisée pour améliorer leur lisibilité car elle permet de créer davantage de niveaux perceptifs qu’avec des niveaux de gris et elle a une grande valeur esthétique. Malgré cela, les cartes produites ne sont pas toujours lisibles. Un modèle d’amélioration automatique des contrastes de couleur dans les cartes de risque procédant par cycle d’analyse et de correction est proposé. Un cycle d’amélioration des contrastes de teinte et de clarté va être décrit avec la Figure 1.

Figure 1. Carte initiale

Au préalable, un schéma d’organisation des informations concernant les risques et la manière de les cartographier (légende) est défini. Sur cette base, la légende est constituée de thèmes cartographiques (lignes de légende) structurés entre eux selon des relations d’ordre, d’association et de différence : dans l’exemple, les aléas faible, modéré et fort sont ordonnés et ils sont en association avec le cours d’eau. Les contrastes de couleur permettent de symboliser correctement ces relations sémantiques et ce sont ces contrastes que notre modèle va analyser et chercher à améliorer.

a) Notre modèle analyse le contraste de chaque signe cartographique avec chacun de ses voisins dans la carte. Pour cela, nous définissons des couleurs de référence dédiées à la représentation cartographique des risques qui s’appuient sur les palettes de couleurs du peintre suisse Itten [3] et des cartographes américano-canadiennes Brewer [4] et Mersey [5]. Pour chaque couple de couleurs, des valeurs de contraste sont déterminées entre 0 et 5 (0 pour une absence de contraste et 5 pour un contraste maximal) en combinant des calculs par hypothèse basés sur les codes des couleurs en teinte, clarté et saturation et des tests expérimentaux. Dans notre exemple, l’analyse fait apparaître que le contraste de teinte entre l’aléa fort en bleu moyen foncé et l’aléa modéré en bleu moyen est nul (bleu) et que leur contraste de clarté est faible (1/5).

b) Ensuite, notre modèle interprète le résultat. Pour ce faire, des valeurs idéales de contraste sont déterminées entre 0 et 5 en se référant aux règles de la sémiologie graphique. Par exemple, la représentation d’une relation d’ordre entre deux couleurs se fera avec des valeurs idéales de contraste de teinte faibles (0 ou 1) et les valeurs idéales de contraste de clarté dépendront de l’écart entre les données (2 à 3 entre ‘fort’ et ‘modéré’). En comparant valeur idéale et valeur réelle, on obtient une qualité de contraste comprise entre 0 et 5 (0 pour un mauvais contraste et 5 pour un bon contraste). Ici, le contraste de teinte représente correctement la relation d’ordre entre ‘aléa fort’ et ‘aléa modéré’ mais leur contraste de clarté n’est pas assez élevé.

c) Notre modèle fait ce travail pour chaque signe puis il agrège les qualités de contraste au niveau des thèmes cartographiques. Il détermine alors quel est le thème le plus mal contrasté, thème dont il faudra améliorer la représentation colorée. Ici, l’aléa fort ayant un mauvais contraste de clarté, c’est lui qu’il faut améliorer.

d) Notre modèle fait des propositions d’amélioration : chaque thème voisin du thème à changer propose des nouvelles couleurs. Pour ce faire, il récupère sa propre couleur et les valeurs idéales de contraste pour représenter correctement sa relation sémantique avec le thème à changer. Ensuite, le modèle vérifie que chaque proposition respecte les conventions colorées relatives à l’usage des couleurs. Dans l’exemple, l’aléa modéré (thème voisin) est en bleu moyen. Les valeurs idéales de contraste pour traduire une relation d’ordre entre ‘fort’ (thème à changer) et ‘modéré’ sont comprises entre 2 et 3. Les clartés proposées pour le bleu de l’aléa fort sont donc : foncé ou très foncé. e) Le changement est effectué sur la carte et une nouvelle analyse des contrastes est réalisée pour valider ou non le changement. f) Si l’état de la carte est suffisamment bon ou stagne après un certain nombre de cycles, on arrête le processus.

La Figure 2 montre le nouvel état de la carte avec un aléa fort en bleu très foncé. Il est meilleur que le précédent mais un nouveau cycle pourrait encore l’améliorer.

Figure 2. Carte améliorée