Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Cartographier l’incertitude en géohistoire (1/2)

Ce billet s’inscrit dans un travail de recherche en cours (ANR ObARDI) et présente certaines démarches méthodologiques issues de la géovisualisation ou des sciences cognitives, pour la représentation de l’incertitude en géohistoire. L’objectif est de montrer quelques approches existantes face à une question que se posent de nombreux historiens : comment donner à voir l’incertitude dans les cartes historiques ?

On peut être tenté de faire confiance aux cartes parce qu’elles semblent claires. Contours nets, couleurs franches, surfaces continues… tout concourt à donner l’impression d’une vérité stabilisée. Pourtant, si vous avez suivi les billets précédents de Néocarto et que vous avez lu Mark Monmonier (voir « Comment faire mentir les cartes », billet de N. Lambert), vous savez que la réalité est beaucoup plus complexe et subjective. Elle résulte d’un choix, d’un cadrage, d’une interprétation.

Il en va de même pour les cartes géohistoriques produites aujourd’hui à partir de données et de sources anciennes. Elles donnent souvent une image de stabilité : frontières tracées, zones homogènes, typologies nettes. Pourtant, la réalité historique est plus complexe. Les sources sont incomplètes, les découpages varient selon les contextes politiques ou administratifs.

L’incertitude n’est pas un défaut de la recherche, il ne faut pas la considérer comme une faiblesse ou une lacune à corriger : c’est une information en soi, une dimension essentielle que l’historien peine parfois à faire apparaître sur une carte. Cette incertitude peut toucher la forme des territoires (leur géométrie), les informations qui les décrivent (leurs attributs), ou encore la solidité des documents sur lesquels on s’appuie (la fiabilité des sources). Le vrai défi n’est pas de l’effacer, mais de trouver des moyens de la rendre visible dans le processus de conception cartographique.

 

Le polygone : un faux « ami » pour l’historien

Traditionnellement, la cartographie historique recourt aux polygones pour délimiter des territoires. Ce choix visuel est une forme puissante de narration et donne un sentiment de précision, de continuité, de stabilité. Or, cette impression est souvent trompeuse. Rombert Stapel (2024) parle d’aura de vraisemblance  ou “Aura of Verisimilitude”. Tracer un polygone, c’est suggérer une certitude qui dépasse largement ce que les archives permettent d’affirmer. L’historien se retrouve avec une contiguïté décevante  : une carte rassurante par sa netteté, mais réductrice par rapport aux incertitudes des sources et aux interprétations qui peuvent en découler.

 

Comment y répondre : passer du polygone aux points ? Des points aux réseaux ?

Une approche s’impose de plus en plus chez les historiens et géohistoriens : privilégier les points aux polygones. Cette idée, défendue notamment par Berman (2005) et d’autres chercheurs, propose de localiser les centres de pouvoir (villes, capitales, lieux de décision, etc.) et de les organiser en un réseau hiérarchisé. L’approche en réseau, couramment utilisée en géographie et en sciences sociales, offre une autre lecture des zones d’influence et des espaces de transition, pouvant révéler des dynamiques administratives et politiques de l’époque de manière empirique et indirecte. Les zones de chevauchement qui apparaissent lors du calcul des frontières estimées sont des artefacts du modèle : elles ne correspondent pas nécessairement à des réalités spatiales historiques, mais peuvent signaler les limites de nos sources. Elles ont toutefois une valeur heuristique au moins équivalente aux tracés dessinés à la main pour des frontières qu’on ne peut pas prouver. C’est une façon de cartographier l’incertitude tout en identifiant des zones d’intérêt pour la recherche.

Quant aux polygones, ils restent une forme mobilisable en cartographie historique. Ses représentations en « aplats de couleur » ne sont pas à rejeter complètement : elles demeurent utiles pour représenter des densités issues de calculs (peuplement, dynamique d’un évènement, etc.) ou évaluer des typologies dans des communautés villageoises bien identifiées, où les limites territoriales sont mieux documentées.

 

Comment les visualiser ? De Jacques Bertin aux approches cognitives

Sans chercher à dresser un état de l’art exhaustif, je souhaite ici partager quelques pistes et exemples de dispositifs visuels qui m’ont semblé rapidement mobilisables et exploitables.

Jacques Bertin, avec son ouvrage Sémiologie graphique (1967), a posé les bases d’un langage visuel de la représentation et la communication de données. Plus de cinquante ans plus tard, ce langage reste d’une étonnante actualité (voir MacEachren, 2019). Les variables visuelles qu’il a identifiées (taille, couleur, valeur, orientation, forme, texture, position) constituent encore aujourd’hui la grammaire de base de la représentation cartographique. 

Depuis les années 90, de nombreux chercheurs en géovisualisation se sont attachés à prolonger ou enrichir la table de Bertin, afin de mieux représenter des entités spatiales dont l’information est incertaine. Par exemple, Buttenfield (1990) proposait une première table dédiée à la visualisation des métadonnées liées à l’incertitude (figure 1). Il propose d’associer à chaque propriété d’un attribut une ou plusieurs variables visuelles pertinentes, en partant du principe qu’un type d’incertitude peut se manifester à travers plusieurs propriétés distinctes, et qu’il nécessite donc plus d’un mode de représentation pour être correctement perçu.

Figure 1 : Cadre de visualisation de l’incertitude dans les métadonnées (Buttenfield, 1990)

 

Par la suite, des auteurs comme Alan MacEachren (2012) et Michael Correll (2018) ont adapté et étendu ce socle conceptuel pour concevoir des modes de représentation plus expressifs et sensibles à la qualité de l’information.

 

Figure 2 : Méthodes de représentation de l’incertitude (Travaux de M. Corell, 2018). In : Franconeri, S. L., Padilla, L. M., Shah, P., Zacks, J. M., & Hullman, J. (2021). The Science of Visual Data Communication: What Works. Psychological Science in the Public Interest, 22(3), 110-161. https://doi.org/10.1177/15291006211051956 (Original work published 2021)

 

Leurs typologies distinguent des incertitudes sémantiques, géométriques, attributaires, humaines et structurelles, et leurs travaux empiriques montrent l’efficacité de certaines variables visuelles (Figure 3) :

Figure 3 : Quelques éléments visuels marquant l’incertitude (tirés des approches cognitives)

Le flou ou « fuzziness »

Pour signaler des zones mal définies ou discutées.

 

Les lignes et les pointillés

 

Pour marquer des frontières hypothétiques,

pour évoquer la stabilité

La position et l’arrangement perturbés (jitter)

Pour signifier l’instabilité

Les palettes bivariées

Combinant la teinte (pour la valeur) et la luminosité (pour le degré d’incertitude)

 

(Corell, 2018, dans Franconeri, 2021)

La palette de suppression de l’incertitude par arborescence ou « Value suppressing uncertainty palette » (Corell et al., 2018)

Une palette d’incertitude supprimant les valeurs utilise une métaphore arborescente pour réduire les distinctions de valeur proportionnellement à l’incertitude entourant les valeurs

(Corell, 2018, dans Franconeri, 2021)

 

Ces choix s’inscrivent dans une sémiologie graphique adaptée à la lecture cognitive des cartes : une ligne continue évoque la stabilité, une zone floue l’interprétation incertaine, une luminosité et une teinte plus faible pour des valeurs incertaines. Plus l’incertitude est forte, plus la distinction entre les valeurs peut être atténuée (avec par exemple la « value-suppressing palette »), ou plus les dispositifs spatiaux (trames, zones tampons, grilles hexagonales) permettent de visualiser des zones de flou sans imposer de frontières nettes.

Un exemple récent illustre bien cette logique et la tentative de visualiser l’incertitude des données historiques : le projet Deep Mapping Uncertain Historical Sources (Li, 2024) propose des cartes d’Amsterdam au XVIIᵉ siècle où des heatmaps floues représentent les incertitudes de localisation des ateliers de peintres.

Figure 4 : Localisation des ateliers de peintres à Amsterdam (1585-1600), colorés selon leur origine. La taille des nœuds et l’étendue du flou indiquent le niveau d’incertitude spatiale (Source : Li, 2024).

Le flou joue, ici, un rôle sémiologique à part entière : il rend visible la marge d’erreur des sources sans compromettre la lisibilité globale de la carte. Ce type d’expérimentation semble montrer comment les principes de Bertin, prolongés par les travaux en sciences cognitives, peuvent s’appliquer à des données historiques incertaines tout en conservant une lecture intuitive.

 

Conclusion

Ce billet a présenté quelques propositions méthodologiques issues des travaux en géovisualisation et en sciences cognitives pour représenter l’incertitude en géohistoire. Bertin a donné la grammaire, les chercheurs en visualisation de données ont proposé des variables visuelles adaptées à l’incertain. Ces approches, déjà expérimentées dans d’autres domaines (géographie des risques, aléas, etc), restent à tester et adapter dans le contexte spécifique de la cartographie historique.

Car une carte qui n’affiche pas ses incertitudes n’est pas plus fiable : elle est simplement moins transparente sur l’état de nos connaissances.

Dans un second billet, nous expérimenterons l’application de ces variables visuelles sur un cas d’étude géohistoriques.

Références :

Berman, L. (2005). Boundaries or Networks in Historical GIS: Concepts of Measuring Space and Administrative Geography in Chinese History. Historical Geography, 33, 118‑133.

Bertin, J. (1967). Sémiologie graphique : Les diagrammes, les réseaux, les cartes. Mouton.

Buttenfield, B.P. and J.H. Ganter (1990). Visualization and GIS: What should we see? What might we miss? In Proceedings of the 4th International Symposium on Spatial Data Handling

Franconeri, S. L., Padilla, L. M., Shah, P., Zacks, J. M., & Hullman, J. (2021). The Science of Visual Data Communication: What Works. Psychological Science in the Public Interest, 22(3), 110-161. https://doi.org/10.1177/15291006211051956

Li, W. (2024). Deep Mapping Uncertain Historical Sources : Visualizing Business Knowledge of Painters in Seventeenth-Century Amsterdam. Journal for the History of Knowledge. https://doi.org/10.55283/jhk.13998

MacEachren, A., Roth, R., O’Brien, J., Li, B., Swingley, D., & Gahegan, M. (2012). Visual Semiotics & Uncertainty Visualization : An Empirical Study. Visualization and Computer Graphics, IEEE Transactions on, 18, 2496‑2505. https://doi.org/10.1109/TVCG.2012.279

MacEachren, A. M. (2019). (Re)Considering Bertin in the age of big data and visual analytics. Cartography and Geographic Information Science, 46(2), 101‑118. https://doi.org/10.1080/15230406.2018.1507758

Monmonier, M. (2023), Comment faire mentir les cartes, Paris, Flammarion, 304 p.


OpenEdition vous propose de citer ce billet de la manière suivante :
Najla Touati (27 octobre 2025). Cartographier l’incertitude en géohistoire (1/2). Carnet (neo)cartographique. Consulté le 6 novembre 2025 à l’adresse https://doi.org/10.58079/151uo


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.