Un chiffre isolé donne souvent une impression de précision. Il semble trancher, résumer, parfois même raconter toute une histoire. Pourtant, une donnée n’est jamais un fait complet : elle est produite dans un cadre, selon une définition, une période et une méthode de collecte. Pour comprendre ce qu’elle signifie réellement, il faut souvent la confronter à d’autres sources.

C’est tout l’enjeu du croisement de bases de données. En reliant des informations qui n’ont pas été conçues ensemble, les journalistes peuvent faire apparaître des écarts, des corrélations et des trajectoires invisibles dans chaque fichier pris séparément. Le chiffre cesse alors d’être une conclusion. Il devient un indice.

Un même objet, plusieurs réalités statistiques

Les administrations, les entreprises et les organismes internationaux ne décrivent pas toujours la même réalité avec les mêmes catégories. Une société peut déclarer son activité selon son siège social, tandis qu’un registre environnemental la rattache au lieu de production. Une base financière raisonne en filiale, une autre en groupe consolidé. Ces différences ne sont pas de simples détails techniques : elles modifient le périmètre de ce qui est mesuré.

Le rapprochement permet précisément de repérer ces angles morts. En associant un registre d’entreprises à des données de marchés publics, puis à des informations sur les bénéficiaires effectifs, une enquête peut révéler qu’un marché apparemment dispersé profite en réalité à un même réseau économique. De la même façon, le croisement entre subventions, déclarations d’intérêts et activités de lobbying éclaire les relations qui restent absentes d’un tableau officiel.

À retenir : croiser des bases ne consiste pas à additionner des chiffres. Il faut d’abord vérifier leurs définitions, leurs dates, leurs unités et le niveau d’observation utilisé.

La jointure, moment décisif de l’enquête

Dans le langage des données, le rapprochement s’effectue souvent grâce à une « clé » : un identifiant d’entreprise, une commune, une adresse, une date ou une référence de contrat. Cette étape, appelée jointure, paraît mécanique. Elle est pourtant l’un des points les plus sensibles du travail d’enquête.

Deux bases peuvent désigner une même organisation sous des noms différents. Une adresse peut avoir changé, un numéro d’identification peut manquer, ou une entreprise peut avoir été absorbée par une autre. Une jointure trop large crée des faux positifs ; une jointure trop stricte fait disparaître des cas pertinents. Dans les deux situations, le résultat peut sembler solide tout en étant biaisé.

La méthode exige donc de documenter chaque choix : quelles lignes ont été rapprochées, lesquelles ont été exclues, combien de correspondances ont été vérifiées manuellement ? Cette transparence permet de distinguer une observation robuste d’une simple coïncidence. Elle protège aussi le lecteur contre la fausse évidence produite par un graphique séduisant.

Quand le croisement change l’échelle du problème

Le premier effet du croisement est souvent de changer d’échelle. Une émission de carbone présentée à l’échelle nationale peut sembler stable. Répartie par secteur, par site industriel et par propriétaire, elle fait apparaître quelques zones de concentration. Un indicateur moyen sur l’accès au numérique peut masquer des écarts considérables entre quartiers, catégories sociales et générations.

La cartographie est particulièrement utile pour rendre ces écarts visibles. Elle montre les concentrations, les frontières et les exceptions. Mais une carte n’est pertinente que si elle respecte la granularité des données : colorer des départements à partir d’informations communales peut exagérer des tendances ou en dissimuler d’autres. La visualisation doit donc rester liée à la méthode qui l’a rendue possible.

Ces principes valent aussi pour les sujets qui touchent directement la vie quotidienne. Le rapprochement de données sur les déplacements, les accidents, l’aménagement urbain et la santé permet par exemple de mieux comprendre les risques associés à certains trajets. Des acteurs comme GlobeMobilité s’intéressent ainsi aux liens entre mobilité active, prévention des blessures, entretien des vélos et qualité des infrastructures, un angle qui montre pourquoi les indicateurs de transport gagnent à être lus avec des données de santé et d’environnement.

Les limites : corrélation ne signifie pas causalité

Un croisement peut révéler qu’un phénomène évolue en même temps qu’un autre. Il ne prouve pas nécessairement que le premier provoque le second. Une hausse des prix de l’énergie et une progression des demandes d’aide peuvent être liées, mais d’autres facteurs — saisonnalité, inflation générale, évolution des règles — doivent être examinés.

Pour éviter les conclusions hâtives, une enquête sérieuse combine plusieurs contrôles :

  • comparer les résultats sur plusieurs périodes et avec des groupes témoins ;
  • chercher les données manquantes et les ruptures de série ;
  • confronter les résultats à des documents, des témoignages et des sources indépendantes ;
  • publier les marges d’incertitude et expliquer les limites du périmètre étudié.

Le travail ne s’arrête donc pas au script qui produit un tableau. Il comprend la lecture des métadonnées, la vérification des sources et parfois une nouvelle collecte sur le terrain. Les outils automatisés accélèrent l’exploration, mais ils ne remplacent ni le jugement éditorial ni la contradiction.

Rendre les mécanismes visibles

Le croisement de bases est puissant parce qu’il remet les chiffres en relation avec des acteurs, des lieux et des décisions. Il peut montrer comment une règle se traduit dans les faits, quels territoires supportent une charge disproportionnée ou comment une promesse publique évolue après son annonce.

Dans une dataviz, cette profondeur doit rester lisible. Un bon graphique ne cherche pas à impressionner par le nombre de variables affichées. Il guide le regard vers un mécanisme vérifiable, donne accès aux sources et permet de distinguer le constat de son interprétation. Découvrez d’ailleurs d’autres analyses et enquêtes sur notre page d’accueil.

Au fond, croiser les bases revient à poser une question simple : que devient ce chiffre lorsqu’on le replace dans son contexte ? La réponse n’est pas toujours spectaculaire. Mais lorsqu’elle est documentée, elle transforme une statistique isolée en information utile — et parfois en preuve.