- 1 -

InfoVis Systems and Toolkits

Mehdi Radgohar

Diva

Séminaire sur la visualisation d’informations

Université de Fribourg

mehdi.radgohar@unifr.ch

INTRODUCTION Actuellement des domaines comme la recherche

pharmaceutique, la recherche biomédicale, la biolo-

gie, la sociologie, la cartographie ou l’analyse de

marché stockent de grandes quantités d’informations

sous des formats très différents. Le problème survient

alors lors de la visualisation de ces informations. En

effet, il n’est pas facile de représenter autant

d’informations abstraites de façon claire et utile pour

en faire ressortir des patterns cachés. De plus selon le

domaine d’étude, l’outil doit être spécialisé pour pou-

voir profiter au maximum des informations à disposi-

tion car chaque schéma de données est unique et donc

la façon de la représenter graphiquement sera aussi

unique.

Dans ce rapport, nous allons étudier six outils de vi-

sualisation qui permettent de créer des visualisations

à partir de données structurées ou non structurées :

InfoVis Toolkit [2], prefuse [4], Advizor [1], Rivet

[6], Snap-Together Visualization [5] et Million Items

Visualization [3]. Chacun de ces outils a pour but

d’être flexible et de permettre des interactions avec

les informations affichées à l’écran.

L’implémentation de ce genre de logiciel n’est pas

aisée car il nécessite de la part du programmeur des

compétences avancées en mathématiques et pro-

grammation pour les algorithmes d’affichages et de

création de graphiques.

Les outils de visualisation peuvent être divisés en

trois classes selon les problèmes qu’ils peuvent aider

à résoudre :

• Graphiques de présentation : en général, ces

outils permettent de créer des histogrammes,

camemberts et des courbes. Exemples de lo-

giciels : PowerPoint ou les feuilles de calcul.

• Interfaces visuelles pour accéder aux infor-

mations : permettent à l’utilisateur de navi-

guer à travers des informations complexes,

comme le web par exemple. L’utilisateur peut

effectuer une recherche, revenir en arrière et

consulter un historique.

• Découverte complète visuelle et système

d’analyse : combinaison des présentations

graphiques et de capacités à naviguer, filtrer,

manipuler l’affichage. Les six toolkits décrits

dans ce rapport font parties de cette classe

d’outils de visualisation.

POURQUOI VISUALISER DES INFORMATIONS DANS UNE FORME GRAPHIQUE ? La visualisation permet de manipuler les données à

disposition pour pouvoir répondre aux questions

« pourquoi » et « quoi ». La différence entre répondre

à l’une ou l’autre question implique des opérations

interactive. Par exemple, dans l’article [1], il y a un

exemple concret pour expliquer cette différence. Si

un vendeur veut répondre à la question « que s’est-il

passé » dans la vente d’un produit, il lui suffit de re-

garder la pente d’un graphe ou la hauteur d’une barre

dans un histogramme. Par contre pour répondre à la

question « pourquoi », il lui faudra des opérations

pour explorer les données comme l’exclusion, la mise

à l’échelle et des filtres.

QU’EST-CE QU’UN BON OUTIL DE VISUALISATION ? Pour décrire ce qu’est un bon outil de visualisation,

nous pouvons citer une phrase de Alan Kay :

« A good toolkit should be designed so that

simple things become simple to do and complex

things become possible »

Représentation des données Pour être plus précis, un outil de visualisation qui se

veut le plus ouvert possible aux données doit possé-

der un bon système de gestion de l’information.

Comme ces données peuvent provenir de nombreuses

sources de part le monde, le modèle de données rela-

tionnels est souvent utilisé car en plus d’être très cou-

rant dans les milieux de recherche, il permet de struc-

turer ces dernières grâce à des schémas qui peuvent

- 2 -

être créés par les utilisateurs même. Ainsi le toolkit

pourra s’adapter au format de données que

l’utilisateur lui fournira en input. Souvent ces don-

nées sont abstraites, c’est pourquoi il faudra ajouter

des meta-données pour que l’information soit utilisa-

ble et compréhensible. Dans la figure 1, nous pouvons

qu’un schéma peut être facilement composé et com-

pris par un utilisateur, même novice dans le domaine

des base de données.

Figure 1 : un exemple d’un schéma pour re-présenter l’information. Cette image provient du toolkit Snap-Together Visualization

Fonctionnalités Tout bon outil de visualisation qui se respect se doit

d’offrir des méthodes pour explorer un ensemble

d’informations. Les interactions minimales doivent

permettre la navigation, le zoom optique ou sémanti-

que, la recherche, l’application de filtres, le change-

ment de structure (en arbres, en tables ou en graphes),

l’affichage multiples, l’assignement de couleur, la

transformation des données et de l’affichage, etc.

Cette liste n’est pas exhaustive mais contient les fonc-

tionnalités de base.

Extensibilité Comme les outils de visualisation veulent souvent

être ouvert à tous les inputs possibles, ils doivent pour

cela permettre aux utilisateurs d’étendre les fonction-

nalités de base. En effet il est possible que pour la

représentation de données spécifiques à un domaine,

il faille recourir à un affichage ou une interaction pré-

cise qui ne se trouve pas dans les fonctionnalités

d’origines du toolkit. C’est pourquoi l’application

doit être extensible au niveau de l’interface et ainsi

qu’au niveau des fonctionnalités. Cette personnalisa-

tion pourra permettre aux utilisateurs de se partager

des ajouts dans un outil pour éviter de perdre du

temps à tout réimplémenter.

Performance Lorsqu’on travaille sur une très grande quantité de

données comme des milliers ou des millions d’objets

uniques, le temps de calcul pour afficher le résultat

peut rapidement devenir insupportable pour

l’utilisateur. C’est pourquoi, il faut optimiser les

techniques d’affichages pour que les transitions et

changements soient le plus fluide possible. En effet

lorsqu’un utilisateur zoome dans un ensemble de

données d’un million d’objets par exemple, il ne veut

pas que le nouvel affichage apparaisse après trois se-

condes.

Pour palier à ce problème, une solution efficace est

d’utiliser l’accélération matérielle disponible sur tou-

tes les cartes vidéos de ces dernières années. Le seul

problème est que ces cartes sont souvent conçues

pour accélérer en priorité la 3D, alors que les outils

de visualisation utilisent le plus souvent la 2D.

D’autres solutions pour accélérer le temps de réponse

lors de manipulation directe sur un graphe sont de ne

redessiner que les parties qui changent ou bien de ne

redessiner l’affichage qu’en cas de nécessité.

Critères pour évaluer la qualité d’un toolkit Schneidermann et Fekete [7] ont défini six critères

pour pouvoir évaluer la qualité d’un logiciel :

1. Partie de l’application construite qui utilise l’outil

2. Temps d’apprentissage du logiciel

3. Temps pour le développement

4. Méthodologie imposée ou conseillée

5. Communication avec les autres systèmes

6. Extensibilité et modularité

LES SIX OUTILS DE VISUALISATION

InfoVis Toolkit Cet outil a pour but de simplifier la gestion des struc-

tures de données et de l’affichage grâce à des compo-

sants intégré dans un framework cohérent. Les élé-

ments génériques sont principalement les requêtes

dynamiques qui comportent les filtres, la sélection, le

tri et les manipulations visuelles. InfoVis supporte

aussi trois structures de données concrètes : tables,

arbres et graphes.

Dans la figure 2, on distingue un GraphMatrix avec

des milliers de lignes et de colonnes dont la partie

centrale de l’image comporte seulement 70x70 en-

trées. Pour un aperçu global des données, il faut se

référer au carré en haut à gauche de la figure. De plus

comme les cases sont petites, le fisheye permet de

voir comme à travers une loupe des zones précises

pour plus de détails grâce à une déformation.

Le changement de types de graphe peut être fait grâce

aux onglets qui se trouvent en haut de l’image. Dans

la colonne de droite de la figure 2, il y a de nombreux

- 3 -

sliders et boîtes de sélection pour ajuster les filtres et

les interactions sur le graphe.

Figure 2 : un GraphMatrix et la vue fisheye

C’est grâce au paneau de la figue 3 que l’utilisateur

peut réaliser les requêtes dynamiques. Les compo-

sants d’InfoVis ont tous des panneaux de contrôle. Ils

permettent d’interagir directement avec le graphe

simplement en les manipulant.

Figure 3 : les panneaux de contrôle pour une visualisation en treemap

prefuse Ce toolkit est dans la même lignée que InfoVis mise à

part qu’il se veut plus simple et plus facile à étendre.

En effet, on peut créer très rapidement de nouvelles

extensions avec un nombre de lignes de code réduit. Il

permet ainsi au développeur de plus se concentrer sur

la partie problématique que sur l’implémentation. Le

principe d’ajout d’extension est basé sur la création

de nouveaux qui se nomment Actions, Renderers et

Controls.

Ainsi une carte comme on le voit dans la figure 4 est

réalisable en très peu de temps. La grande différence

de prefuse avec InfoVis se trouve dans l’interaction

car prefuse ne possède pas autant de sliders et autres

composants. Les interactions se font principalement

sur le graphe de visualisation.

Figure 4 : une carte du top 10 des migrations vers la Californie et New York. La carte montre que New York attire plus de gens de la côte est et la Californie attire les gens de partout

Dans l’article concernant prefuse, il est appréciable

de voir une étude réalisée sur des utilisateurs pour

évaluer de la pertinence de l’interface ainsi que de la

façon d’implémenter de nouveaux modules. L’étude

prouve alors que la réalisation de nouvelles visualisa-

tions peut-être effectuer de manière rapide et par des

programmeurs au niveau très différents.

Million Items Visualization Le but de ce logiciel est d’afficher un très grand

nombre d’objets, environ un million dans le cas de la

figure 5 qui représente 970'000 fichiers d’un disque

dur. La taille des fichiers est représentée par la taille

de chaque rectangle et la couleur représente son type.

La profondeur des répertoires est affichée grâce à la

luminosité.

Figure 5 : affichage en treemap de 970'000 fi-chiers sur une résolution de 1600x1200.

- 4 -

Il est à noter que ce genre de représentation ne peut

être effectué que sur des écrans de grandes tailles. En

effet, ce type de visualisation est inadapté sur de pe-

tits périphériques comme les PDA par exemple.

La grande problématique pour l’affichage d’autant

d’objets est le temps de calcul. Ainsi à chaque requête

dynamique lors de l’application de filtres ou d’autres

méthodes d’interactions, le graphe doit être recalculé.

Au-delà de 10'000 objets, le taux de rafraîchissement

devient inacceptable. C’est pourquoi il est indispen-

sable d’utiliser le GPU pour l’affichage. D’après

l’auteur du logiciel, cela accélérerait le temps de cal-

cul de 20 à 100 fois.

Snap-Together Visualization La grande force de Snap réside dans la manière de

créer de nouveaux calques pour générer une interface

personnalisée. Le concept de visualisation est forte-

ment lié avec le modèle relationnel des bases de don-

nées, c’est pourquoi il est très facile à comprendre et

à mettre en œuvre.

Figure 6 : exemple de vues multiples dans Snap

La figure 6 montre un exemple d’interface pour Snap.

En haut à gauche, une représentation de

l’arborescence d’un site. Lors de la sélection d’une

page dans cette case, cette dernière est affichée dans

la case en haut à droite. Sur la partie du milieu en

haut, on peut voir la distribution des clics sur une pé-

riode de temps. La partie d’en bas à gauche surligne

toutes les pages liées à la sélection (sites de réfé-

rence). En sélectionnant une ligne sur la case d’en bas

à gauche, on peut mettre en évidence les points dans

le graphe et afficher la page dans la case en bas à

droite.

Par exemple pour créer cette interface, il suffit

d’utiliser un outil de Snap pour créer le schéma et

créé les liens entre eux comme on peut le voir dans la

figure 7.

Figure 7 : schéma de visualisation pour la vue multiple de la figure 6

Snap possède un serveur qui permet aux utilisateurs

de partager leurs schémas de visualisation et de les

réunir en un seul endroit pour éviter que toutes ces

visualisations soient disséminées sur le web.

Rivet Le but de l’article sur Rivet est de commenter les

choix fait pour la réalisation du logiciel et d’éviter

que de futurs projets ne perdent du temps à se reposer

les mêmes questions. Globalement les résultats obte-

nus dans ce papier confirment les critères de qualités

pour obtenir un bon outil de visualisation comme cela

a été défini par Schneidermann et Fekete [7].

Figure 8 : visualisation des performances dans des systèmes parallèles

L’architecture de Rivet consiste en quatre étapes : le

modèle de données, les objets visuels, le mapping à

partir des valeurs des données en représentation vi-

suelles et les composants d’interactions de

l’utilisateur.

Advizor Le but d’Advizor est de présenter de l’information

complexe multidimensionnelle d’une manière natu-

relle et intuitive. Pour cela, ce toolkit utilise principa-

lement la souris comme moyen d’interaction. Un plus

- 5 -

par rapport aux autres outils est le fait de pouvoir pu-

blier une analyse dans des documents web.

Advizor est un outil performant pour l’analyse des

marchés car il permet d’afficher plusieurs vues simul-

tanément et ainsi de répondre à la fameuse question

du « pourquoi » vue dans un chapitre précédent.

Figure 9 : perspective qui montre les achats des hommes dans les semaines 20-22 pour le top cinq des catégories de produit

CONCLUSION En résumé, nous remarquons que ces toolkits pour la

visualisation sont souvent similaires dans les fonc-

tions de bases, mais que chacun apporte son lot de

nouveautés. Les trois outils qui se démarquent réel-

lement sont prefuse, InfoVis et Advizor. InfoVis et

prefuse sont différents car ils permettent une extensi-

bilité simplifiée et leur implémentation est récente à

cause de l’âge des deux projets. Advizor est un logi-

ciel d’analyse de marché très performant d’après ce

que j’ai pu en voir et est devenu un outil profession-

nel, mais il ne possède pas de possibilités d’extension

comme les deux autres toolkits.

Pour ma part, l’outil qui me paraît le plus performant

et le plus simple à utiliser est prefuse. D’après mes

tests la prise en main d’InfoVis est plus compliquée.

Il est dommage que les articles, à part celui-ci consa-

cré à prefuse, n’aient pas réalisé d’études auprès des

utilisateurs et des développeurs. L’apport d’une éva-

luation auprès des utilisateurs ne peut qu’apporter des

points positifs aux projets et leurs permettre

d’atteindre leur but, c’est-à-dire de devenir un toolkit

efficace et simple à l’utilisation.

Evidemment il est très difficile de créer un toolkit qui

puisse être efficace dans tous les domaines. C’est

pourquoi selon l’analyse qu’on souhaite réalisé, il

faudra se tourner vers l’un ou l’autres de ces outils.

REFERENCES 1. Stephen G. Eick, “Visual Discovery and Analy-

sis”, IEEE Transactions on Visualization and

Computer Graphics, Vol. 6, No. 1, Jan-Mar 2000,

pp. 44-58.

2. Jean-Daniel Fekete, “The InfoVis Toolkit”, Pro-

ceedings of InfoVis '04, Austin, TX, Oct. 2004, pp.

167-174.

3. Jean-Daniel Fekete, Catherine Plaisant, “Interac-

tive Information Visualization of a Million Items”,

Proceedings of InfoVis '02, Boston, MA, Oct.

2004, pp. 117-124.

4. Jeffrey Heer, Stuart K. Card, James A. Landay,

“prefuse: a toolkit for interactive information visu-

alization”, Proceedings of ACM CHI '05, Portland,

OR, April 2005, pp. 421-430.

5. Chris North, Nathan Conklin, Kiran Indukuri, and

Varun Saini, “Visualization of Schemas and a

Web-Based Architecture for Custom Multiple-

View Visualization of Multiple-Table Databases”,

Information Visualization, Vol. 1, No. 3/4, Dec.

2002, pp. 211-228.

6. Diane Tang, Chris Stolte, and Pat Hanrahan, “De-

sign Choices when Architecting Visualizations”,

Proceedings of IEEE InfoVis '03, Seattle, WA,

Oct. 2003, pp. 41-48.

7. B. Schneidermann and C. Plaisant, “Designing the

User Interface”, Addison-Wesley Publisher, 2004