❄️🕵️ Comment ne plus se faire manipuler par les graphiques ?

Des outils pour vous aider à ne plus vous faire avoir.

[POWERED BY MON MAJORD’HOME] Est-ce que vous savez que plus de 50 Snowballers ont déjà investi dans l’immobilier grâce à Mon Majord’home ? Vous n’avez pas le temps ou vous manquez d’expertise ? Mon Majord’home peut en effet vous accompagner dans vos projets immos. Si vous voulez en savoir plus et obtenir une séance de coaching gratuite pour parler de votre projet immo, prenez rendez-vous avec Aurélien, leur co-fondateur, en cliquant ici.

👩‍🏫 Ce que vous allez apprendre dans cette édition :

• 📊 Pourquoi les graphiques peuvent être une bonne source de désinformation.

• 🔥 Attention à l’inflation quand vous regardez des évolutions de prix.

• 🕵️ Et plein d’autres choses qui feront de vous des excellentes et excellents débunkers, un terme emprunté à l’anglais qui signifie “démontrer qu'une affirmation ou une information est fausse ou trompeuse”.

⏱ Temps de lecture : 10 minutes

---

🙋‍♀️ 🙋‍♂️ Si quelqu’un vous a transféré cette édition et que vous souhaitez vous inscrire à Snowball :

💡 Vous souhaitez vous désabonner, ou gérer les newsletters auxquelles vous êtes abonnés ? Cliquez ici.

---

Hey Snowballers !

Ici Yoann, j’espère que vous passez une bonne fin de vacances !

Vous êtes nombreuses et nombreux à apprécier les éditions dans lesquelles je partage des graphiques comme celle de la semaine dernière que vous pouvez retrouver ici.

Les graphiques sont géniaux pour visualiser des sujets parfois complexes et pour se rendre compte de certaines choses, mais c’est un peu comme les statistiques : on peut facilement les manipuler…

En parlant des statistiques, Andrew Lang, un auteur écossais disait :

"Il utilise les statistiques de la même manière qu'un ivrogne utilise un réverbère : non pour s'éclairer, mais pour s'appuyer dessus."

Dans cette édition, je voulais donc vous aider à être plus critique et à vous méfier des graphiques que vous pouvez voir dans la presse (et même de ceux que je peux vous partager). Pour cela, je vais m’appuyer sur le grand Noah Smith en résumant un de ses articles et en y ajoutant de nouveaux points.

📉 Avant de commencer, je commence à voir pas mal de personnes dans mon entourage (et dans la communauté Discord de Snowball) qui arrivent à avoir des prêts avec des taux de plus en plus intéressants. Si vous pensez à vous lancer dans l’immobilier, le partenaire de cette semaine devrait donc vous intéresser…

🏡 [PARTENAIRE QU’ON 💙] Est-ce que vous savez que plus de 50 Snowballers ont déjà investi dans l’immobilier grâce à Mon Majord’home ?

Comme vous devez le savoir, on dit souvent que le premier meilleur moment pour investir, c’était hier, et le deuxième, c’est aujourd’hui. Et c’est encore plus vrai avec cette chute des taux… Mais le temps manque souvent. Mon Majord’home est là pour vous aider à réaliser vos projets immos. Aurélien et ses équipes peuvent vous faire gagner plus de 250 heures en moyenne !

Pourquoi choisir Mon Majord’home ?

• Un gain de temps massif tout au long du processus.

• Un suivi personnalisé. Vos échanges se feront sur un canal WhatsApp où vous pourrez suivre votre projet directement avec votre expert réactif et disponible.

• Une expertise sur la stratégie d’investissement et un accompagnement sur la partie rénovation et ameublement.

• S’ouvrir les portes d’un réseau de partenaires ultra qualis (courtier, comptable, entreprise de rénovation).

• 98 % des investisseurs décident de poursuivre avec Mon Majord’home pour la gestion locative de leur bien.

Et vous pouvez même demander à Oscar, un membre de la communauté qui a connu Mon Majord’home grâce à Snowball. Extrêmement satisfait de cet investissement, il a accepté de le partager avec vous en détaillant son projet d’investissement locatif à Marseille.

💝 Étant donné que Mon Majord’home adore la communauté Snowball, ils vous proposent une séance de coaching en investissement immobilier gratuite de 30 minutes pour clarifier votre projet et répondre à vos questions.

Désinformation et graphiques - partie 1

Introduction

Dans un monde où tout va vite et dans lequel l’attention des personnes est extrêmement limitée, la découverte de médiums de communication qui permettent de faire passer des idées rapidement et de les transmettre également très rapidement peut vite devenir une arme de destruction massive de la vérité, tout comme son contraire : un moyen incroyable de diffuser de bonnes idées et la vérité.

Ce n’est pas pour rien que les politiques utilisent les réseaux sociaux en masse. Le caractère viral de ces derniers permet de diffuser des idées (vraies ou fausses) plus rapidement qu’un paquet de bonbons ne disparaît dans l’open space.

Si les réseaux sociaux sont les armes de cette désinformation, les graphiques sont des munitions très dangereuses, surtout dans le domaine de l’économie et de la finance.

Pourquoi ? Pour la même raison qui fait d’eux de très bons outils → comprendre rapidement quelque chose de façon visuelle.

Mais alors, comment ne pas se faire avoir ? Comment garder un esprit critique et comment détecter le vrai du faux ? Noah Smith essaye de nous guider et je vais tenter de vous faire un résumé de ses découvertes de façon plus digeste.

Déjà, il faut distinguer deux types de désinformation avec les graphiques :

• Des données fausses ou mal présentées pour influencer le résultat ;

• Le récit que les gens associent à un graphique ne correspond pas à “l'histoire” que les données racontent réellement.

Nous allons donc séparer les deux. Commençons dans cette édition du jour par les données fausses ou mal présentées. Comment détecter tout ça ?

Graphiques : attention aux données fausses ou mal présentées.

Attention à l’inflation

Quand on regarde les évolutions des prix, on peut le faire de deux façons :

• Corrigée de l’inflation (au réel) → on prend en compte l’inflation dans les évolutions du prix ;

• Non corrigée de l’inflation (au nominal) → on ne prend pas en compte la hausse des prix (l’inflation) dans les évolutions du prix.

Imaginez (chiffres inventés) qu'il y a 40 ans, une maison coûtait 100 000 €. Aujourd'hui, cette même maison coûte 400 000 €. Si on regarde juste les chiffres (au nominal), on pourrait penser que le prix a quadruplé. Mais si on prend en compte l'inflation (au réel), c'est différent. Par exemple, si les prix en général ont doublé en 40 ans, le pouvoir d'achat de 100 000 € à l'époque équivaut à 200 000 € aujourd'hui. Donc, en termes réels, la maison n'a en fait que doublé de prix.

Par exemple, Noah nous partage ce graph’ qui est complètement faux, mais qui a reçu plus de 77 000 likes sur X (Twitter) :

Ce graph’ nous dit : “Si vous voulez savoir pourquoi les gens ont perdu la foi dans le capitalisme, cela devrait vous éclairer.”

On peut voir que les loyers ont largement plus augmenté que les revenus des ménages depuis 1985.

Le problème, c’est que même s’il est écrit que les loyers et les revenus prennent en compte l’inflation, ben c’est faux…

En se rendant sur le site FRED qui est maintenu par la Fed (Banque centrale américaine), avec une base 100 en 1985 (donc les prix sont corrigés de l’inflation), on peut découvrir ce graphique :

Oui, les loyers ont légèrement dépassé les revenus moyens des ménages, mais ils évoluent quasiment de la même manière tous les deux.

Mais si on creuse encore un peu, selon Noah, on se rend compte que le revenu moyen des ménages dépend du nombre de personnes dans les ménages. Si on regarde les revenus au niveau personnel, on se rend compte que ces derniers ont augmenté plus que les loyers (courbe verte)…

💡 Comment éviter de se faire avoir ? 

1 - Toujours vérifier des sources sûres, comme ici le site de la Fed. En France, se référer au site de l’Insee ou d’autres sites gouvernementaux est une bonne idée. 

2 - Regarder les community notes sur X, une des rares bonnes choses mises en place par Elon Musk. En effet, des utilisateurs peuvent mettre en garde et détecter de mauvaises informations. Une community note ne sera visible sous un tweet que si assez de personnes se sont mises d’accord sur cette dernière.

3 - En général, plus un graphique viral est frappant, plus il y a de chances qu'il soit trompeur. Par exemple, notre exemple plus haut qui affirme que le loyer a doublé par rapport au revenu depuis 1985 devrait être suspect. Si c'était vrai, les Américains dépenseraient 60 % de leur revenu en loyer, ce qui est clairement irréaliste.

4 - Regarder sur des sites comme Reddit pour voir si ce graph' a été débunké. Vous pouvez utiliser la fonctionnalité de recherche d'image de Google.

5 - S'il n'y a pas de sources pour les données -> Red flag !

Moyenne, médiane et par habitant

Il faut ensuite faire très attention aux graphiques qui utilisent (ou justement qui n’utilisent pas) ces différents types de mesures : moyenne, médiane, par habitant.

Pour rappel :

• Moyenne : la moyenne est obtenue en additionnant toutes les valeurs d'un ensemble et en divisant le total par le nombre de valeurs.

  • Par exemple, imaginons que sept personnes gagnent ces différents revenus : 1000 €, 1200 €, 1500 €, 2000 €, 3 000 €, 10 000 €, 50 000 €.

  • On les additionne : 1000 + 1200 + 1500 + 2000 + 3000 + 10 000 + 50 000 = 68 700 €

  • Ensuite, on divise par le nombre de personnes (sept) : 68 700 € ÷ 7 = 9814,29 €

  • Simple.

• Médiane : la médiane est la valeur qui se trouve au milieu d’un ensemble de données classées par ordre croissant ou décroissant. Elle divise l'ensemble en deux moitiés égales. Prenons le même exemple :

  • Sept personnes gagnent toujours ces différents revenus 1000 €, 1200 €, 1500 €, 2000 €, 3 000 €, 10 000 €, 50 000 €.

  • Puisqu'il y a sept valeurs, la médiane est la 4e valeur, soit 2000 €. Cela signifie que la moitié des personnes gagne moins de 2 000 €, et l'autre moitié gagne plus de 2 000 €.

  • Basique.

• Par habitant (per capita) : ce terme signifie "par personne". Il est utilisé pour ajuster des données à la taille de la population. Par exemple, si un pays consomme 1000 litres de lait et a 100 habitants, la consommation de lait par habitant est de 10 litres.

Mais pourquoi je vous parle de ça par rapport aux graphiques ?

La moyenne (ou "moyenne arithmétique") est sensible aux valeurs extrêmes.

Par exemple, si Bernard Arnault rejoint la communauté Snowball (👋 Bernard, si tu es parmi nous), la moyenne des richesses des abonnés Snowball va exploser.

Beaucoup pensent donc qu'il vaut mieux utiliser la médiane (le point central) pour tout. Mais en réalité, la moyenne peut être très utile dans certains cas, comme pour mesurer la consommation moyenne de calories ou le temps moyen passé à jouer aux jeux vidéos. En effet, comme nous dit Noah, il n’y a pas d’Elon Musk du temps de jeu, car tout le monde a un maximum de 24 heures dans une journée.

Noah nous dit également que certains graphiques devraient être ajustés par habitant.

Par exemple, une carte montrant la consommation totale de lait ou le nombre total de chiens dans les villes américaines finira juste par montrer les grandes villes où vivent le plus de gens. Mais pour rendre ces données utiles, il faut les rapporter à la population (par habitant). Cependant, il y a des situations où le "par habitant" n'est pas pertinent. Pour les émissions de carbone, par exemple, le climat ne se soucie pas des émissions par habitant, mais seulement des émissions totales. La politique de la Chine a donc beaucoup plus d'impact que celle du Koweït, même si les émissions par habitant y sont plus élevées.

Avant de continuer, je vous présente un investissement qui peut vous rapporter 9,5 % de rendement la première année…

💰 Investir en quelques minutes dans un centre médical récemment rénové au cœur d’Angers avec un rendement NET de 7,2 % net la première année et un TRI cible de 9,5 % sur 8 ans net à partir de 100 €, c’est possible (un bonus pour les Snowballers vous attend à la fin de cet encart) ?

Grâce à la magie de l’investissement fractionné de TANTIEM, oui ! L’idée est simple : des dizaines d’investisseurs se regroupent pour financer un bien immobilier et reçoivent en retour les loyers générés par ce dernier ainsi que la plus-value potentielle à la revente.

TANTIEM est une entreprise française qui rend l’investissement immobilier de qualité accessible à tous.

• Chaque mois, l’entreprise propose de nouveaux biens de grande qualité.

• L’entreprise a été fondée et est constituée de professionnels de l’immobilier qui viennent de chez Foncia, Swiss Life, Altarea, JLL ou encore Nhood.

• Vous pourrez investir via des obligations qui sont encadrées par l’Autorité des marchés financiers. 

• Ces obligations vous permettront de recevoir chaque mois une part des loyers et la plus-value potentielle à la revente. 

Ce mois-ci, TANTIEM propose d’investir dans un centre médical récemment rénové à Angers : 

• Centre dentaire de 250 m2 installé en 2021, travaux importants de rénovation du bâtiment (avec parking).

• Bail commercial de dix ans signé en septembre 2021, dont six ans ferme.

• Proximité immédiate de la principale artère commerçante de la ville.

• Il s’agit d’une hypothèque de premier rang, ce qui signifie que vous serez les premiers à recevoir l’argent lors de la revente du bien.

📅 Ouverture de la collecte le mardi 27 août à 12 h 30

🎁 L'inscription avec le code SNOWBALL offre un boost de rendement de 2,3 % la première année sur la première souscription, soit 9,5 % de rendement en année 1. 🙌

Comme toujours dans l’immobilier, il existe des risques : non-paiement des loyers et perte de valeur du bien, par exemple. Diversifiez. :)

Bien comprendre ce que vous regardez et les libellés des axes

Déjà, s’il n’y a pas de libellé sur un axe, c’est un gros red flag !

Ensuite, si vous avez du mal à comprendre un label ou s’il semble ne pas être un libellé standard, alors méfiez-vous…

Noah nous partage cet exemple d’Oxfam :

Source : Oxfam

Dans ce graphique, on peut voir que les 10 % des personnes les plus riches sont responsables de 49 % des émissions…

Voici ce que nous dit Noah :

Ce graphique devient régulièrement viral, donc il est important de comprendre pourquoi il est en réalité sans valeur. Il présente de nombreux problèmes, mais le plus gros est que, malgré son titre, il ne montre en fait pas du tout les émissions de CO2. Ce qu'il montre, ce sont les "émissions liées à la consommation de style de vie", un concept inventé par Oxfam. Vous voyez comme la courbe est parfaitement lisse plutôt que pleine de variations brusques ? C'est toujours un fort indice que ce que vous regardez ne correspond pas à des données réelles, mais le résultat d'un modèle.

D'après ce que j'ai pu reconstituer, voici ce qu'Oxfam a fait. D'abord, ils ont fait un tas d'hypothèses incorrectes sur la provenance des émissions de carbone, comme supposer que le revenu est égal à la consommation (faux !), que les pauvres consomment les mêmes choses que les riches (faux !), ou que les émissions par dollar de consommation suivent une fonction particulière qu'ils ont inventée, et ainsi de suite. Ils ont ensuite complètement ignoré les dépenses publiques, ignoré l'utilisation des terres, alimenté le modèle avec d'anciennes données de revenu datant de 2007 pour ignorer la croissance des pays en développement depuis lors, et ont fini par produire ce graphique inutile, sans signification, mais incroyablement viral que vous voyez ici.

Son point principal est que si vous vous demandez ce que Lifestyle consumption emissions veut dire, c’est un red flag et, dans le doute, il vaut mieux ne pas le repartager…

Attention aux pourcentages !

Je me suis moi-même trompé dans une vieille édition et un membre de la communauté m’a fait remarquer cette erreur…

En effet, parfois, les problèmes liés à ce que mesure un graphique peuvent être plus subtils que simplement ne pas comprendre ce qu'un libellé signifie.

Par exemple, il est facile de confondre une augmentation en pourcentage avec une augmentation en points de pourcentage.

Imaginons que le taux de chômage soit de 5 % au départ, et qu'il passe à 7 %.

• En points de pourcentage : la différence entre 5 % et 7 % est de deux points. Cela signifie que le taux de chômage a augmenté de deux unités (ou points) sur l'échelle des pourcentages.

• En pourcentage : ici, on compare l'augmentation par rapport à la valeur de départ. Passer de 5 % à 7 % correspond à une augmentation de 40 % par rapport au taux initial, car 2 % représentent une grande part du chiffre de départ (5 %).

Une augmentation de deux points de pourcentage signifie qu’on passe simplement de 5 % à 7 %.

Une augmentation de 40 % signifie que le chômage a augmenté de 40 % par rapport au 5 % initial.

Une erreur serait donc de dire que le taux de chômage a augmenté de 2 %.

Attention aux doubles axes et surtout à l’axe des ordonnées (y) qui est souvent manipulé

Prenons cet exemple frappant de Larry Summers, économiste et ancien Secretary of the Treasury des États-Unis qui essaye de comparer la forte inflation du début des années 70 (en bleu) avec la forte inflation post-Covid (en jaune) :

En manipulant l’échelle des deux axes des ordonnées (on voit que celui de droite commence à 2 %), on dirait que l’inflation des années 70 et la même que celle post-Covid alors qu’elle était beaucoup plus élevée dans les années 70…

Ce même Larry va mieux faire son boulot en partageant un graphique plus approprié avec un seul axe des ordonnées :

Regardez bien les intervalles sur l’axe des ordonnées ! Un bel exemple… 😅

Et ce graph’… 🤦‍♀️

Source : Reuters via Livescience

En voyant ce graphique, beaucoup de personnes ont cru que le nombre de meurtres commis avec une arme à feu a chuté suite au passage d’une loi en Floride nommée Stand your ground qui, en gros, autorisait les citoyens de Floride à tuer quelqu’un en cas de légitime défense.

Mais vu que l’axe des ordonnées est à l’envers, c’est en fait le contraire… Suite au passage de cette loi, le nombre de meurtres par balle a fortement augmenté.

---

💌 Parrainage Snowball

Faites découvrir Snowball à votre entourage et obtenez pour 1 parrainage, 1 mois gratuit à Snowball+ et pour 6 parrainages, le livre Snowball.

---

Résumé et d’autres points à surveiller

• Libellés des axes : si un axe n’a pas de titre ou un libellé ambigu, c’est un indicateur de méfiance. Comprendre clairement ce que chaque axe représente est crucial pour interpréter correctement les données.

• Manipulation des échelles : vérifiez si les échelles sur les axes sont cohérentes. Une échelle manipulée, par exemple sur l’axe des ordonnées (y), peut exagérer ou minimiser l’importance des changements observés dans les données.

• Double axe des ordonnées : les graphiques avec deux axes (y) peuvent être trompeurs. Vérifiez si les deux échelles sont alignées de manière honnête et non manipulées pour rendre des comparaisons injustement équivalentes.

• Sources des données : assurez-vous que les données proviennent de sources fiables et reconnues. Si le graphique ne mentionne pas ses sources, c'est un red flag.

• Données brutes ou modélisées : si les données semblent trop lisses ou idéalisées, il se peut qu'elles ne représentent pas des données réelles, mais plutôt le résultat d'un modèle qui repose sur des hypothèses et peut ne pas refléter la réalité.

• Pourcentages vs points de pourcentage : soyez attentifs à la différence entre les augmentations en pourcentage et en points de pourcentage, car une mauvaise interprétation peut entraîner une vision déformée des résultats.

• Échantillonnage et biais : vérifiez si le graphique correspond à un échantillon représentatif. Un échantillon biaisé ou incomplet peut conduire à des conclusions erronées.

• Contexte manquant : un graphique peut être trompeur s'il manque de contexte ou d'explications supplémentaires. Parfois, les données sont correctes, mais leur présentation ne donne pas toute l'image ou néglige des facteurs importants. Ce sera d’ailleurs le sujet de la deuxième partie de cette édition.

• Corrélation vs causalité : attention aux graphiques qui suggèrent une relation de cause à effet entre deux variables, alors qu’il pourrait simplement y avoir une corrélation sans lien direct. Par exemple, on pourrait dire qu'au cours des mois d'été, à mesure que la consommation de glace augmente, le nombre de noyades augmente également. Cela semblerait indiquer un lien entre manger de la glace et les noyades. Cependant, il n'y a aucune causalité entre les deux. Ce qui se passe réellement, c'est que pendant l'été, ben il fait chaud et cela pousse plus de gens à manger de la glace ET à se baigner, augmentant ainsi le risque de noyades. La variable sous-jacente ici est la chaleur estivale, et non un lien direct entre les deux phénomènes.

• Choix du type de graphique : le type de graphique choisi (barres, lignes, camembert, etc.) peut influencer la façon dont on perçoit les données. Assurez-vous que le type de graphique utilisé est adapté aux données présentées et qu'il n'exagère pas ou ne minimise pas certains éléments.

• Troncature des axes : méfiez-vous des graphiques où l’axe des ordonnées (y) ne commence pas à zéro, sauf si cela est explicitement justifié. Cela peut exagérer visuellement les variations ou rendre les écarts plus importants qu'ils ne le sont en réalité.

• Visualisation en 3D : les graphiques en 3D peuvent être plus beaux, mais sont souvent trompeurs. Ils peuvent déformer la perception des valeurs, rendant certaines barres ou certains segments plus grands ou plus petits qu’ils ne le sont réellement.

• Couleurs et effets visuels : les couleurs ou les dégradés peuvent être utilisés pour attirer l’attention sur certaines parties du graphique ou pour dissimuler des détails. Soyez conscients des choix de couleurs et d’effets visuels qui peuvent affecter votre interprétation des données.

• Données cumulatives : dans certains graphiques, les données sont présentées de manière cumulative (par exemple, les cas de Covid-19 accumulés), ce qui peut donner l’impression que la situation s’aggrave. Assurez-vous de comprendre si vous regardez des données instantanées ou cumulatives, car cela change pas mal de choses.

• Omissions ou exclusions : méfiez-vous des graphiques qui omettent certains points de données clés ou qui se concentrent uniquement sur une période spécifique pour soutenir un certain point de vue. L’exclusion de données, même si ce n’est pas un mensonge, peut être une forme de manipulation dans ce cas.

• Échelles logarithmiques : parfois, les échelles logarithmiques sont utilisées dans les graphiques pour représenter des données avec une large gamme de valeurs. Bien que cela puisse être utile dans certains cas, cela peut aussi rendre difficile la compréhension des changements proportionnels.

• Taille des échantillons temporels : vérifiez la durée de la période observée dans les graphiques qui montrent des tendances temporelles. Une période trop courte peut fausser l’impression d’une tendance généralisée qui n’existe pas sur le long terme.

• Raccourcis cognitifs : faites attention aux graphiques qui utilisent des symboles, des icônes ou des représentations visuelles qui jouent sur les biais cognitifs, comme l’utilisation de symboles associés à des idées spécifiques pour influencer la perception sans raison apparente.

Conclusion et leçons à retenir

Voilà, votre trousse à outils anti-désinformation est maintenant un peu plus remplie.

J’espère que cette édition vous sera utile.

Et la prochaine fois que je vous partagerai une newsletter avec plein de graphiques, n’hésitez pas à être bien attentif et à détecter des techniques de manipulation que nous avons évoquées aujourd’hui (et laissez un commentaire évidemment pour faire remonter l’info).

Ah et pour voir l’article de Noah, c’est par ici.

Comment avez-vous trouvé cette édition ?

Yoann ❤️