Conseils de recherche··17 min read
5 erreurs courantes dans les figures scientifiques
Évitez ces 5 erreurs communes dans les figures scientifiques qui mènent au rejet par les évaluateurs et au retravail laborieux.
Les éditeurs de revues vous diront, si vous le leur demandez directement, que les problèmes de figures sont parmi les raisons les plus courantes de rejet de manuscrits avant même que l'examen par les pairs ne commence. Pas la science — les figures scientifiques. Des visuels mal préparés coûtent aux chercheurs des semaines de temps de révision, retardent la publication et, dans certains cas, contribuent à un rejet pur et simple. La partie frustrante est que la plupart de ces problèmes sont entièrement évitables. Ils suivent des modèles prévisibles, apparaissent dans les laboratoires à toutes les étapes de la carrière, et proviennent de la même poignée d'incompréhensions sur ce que les revues exigent réellement des figures soumises.
Voici les cinq erreurs qui apparaissent le plus régulièrement — et comment les outils de figure assistés par IA les éliminent avant que le manuscrit ne quitte votre bureau.
Erreur n°1 — Le piège de la résolution
Le problème : Vous terminez une figure scientifique dans PowerPoint, l'exportez en PNG ou JPEG, et elle semble parfaitement nette sur votre moniteur. Puis vous la soumettez à la revue, et le bureau éditorial vous répond par e-mail dans les 48 heures : « Les figures ne répondent pas aux exigences minimales de résolution. » Votre export d'écran à 72 DPI est rejeté. La revue veut au moins 300 DPI — et pour l'art au trait, les panneaux de microscopie électronique, ou les figures avec des détails fins, 600 DPI est la norme réelle.
Pourquoi cela arrive : Les écrans d'ordinateur affichent à 72–96 DPI. Chaque logiciel que vous utilisez pour construire des figures est calibré pour l'affichage à l'écran par défaut, pas pour l'impression. Lorsque vous exportez avec les paramètres « par défaut », vous exportez pour un moniteur. La reproduction imprimée à la taille physique requise par les revues est une demande de résolution entièrement différente. Une figure scientifique de 4 pouces de large doit être d'au moins 1 200 pixels de large pour une qualité d'impression de 300 DPI. La plupart des exports d'écran par défaut produisent une fraction de cela.
Le problème de compression JPEG aggrave cela. Le JPEG est un format avec perte — il introduit des artefacts visibles aux limites, en particulier autour des étiquettes de texte et des lignes fines. Les revues qui acceptent le JPEG l'exigent généralement aux paramètres de qualité maximum. Beaucoup préfèrent TIFF ou PNG pour les figures avec du texte.
| Type de figure | Résolution minimale |
|---|---|
| Art au trait | 1000–1200 DPI |
| Échelle de gris | 300–600 DPI |
| Photos couleur | 300 DPI |
Comment SciFig l'empêche : SciFig et autres plateformes de génération de figures par IA produisent une sortie de qualité vectorielle par défaut. Comme la figure sous-jacente est définie mathématiquement plutôt que comme une grille de pixels fixe, elle peut être rendue à n'importe quel DPI sans perte de qualité. Lorsque vous exportez une figure scientifique à 600 DPI pour une revue Nature versus 300 DPI pour une publication de société, le même fichier source produit une qualité optimale pour les deux. Il n'y a pas de piège de résolution car il n'y a pas de nombre de pixels fixe à descendre en dessous. Pour un workflow complet qui atteint systématiquement les normes de figures de niveau Nature avec un budget limité, consultez notre guide.
Erreur n°2 — Palettes hostiles aux daltoniens
Le problème : Le rouge et le vert sont les couleurs de contraste par défaut dans pratiquement tous les outils de graphiques, tous les logiciels de diagramme et tous les modèles de design construits ces 30 dernières années. Ils semblent visuellement distincts à l'écran. Ils ont un sens intuitif — positif et négatif, présence et absence, traité et non traité. Ils sont aussi complètement indistinguables pour environ 8 % des lecteurs masculins et 0,5 % des lectrices féminines atteints de déficience de la vision rouge-vert (la deutéranopie et la protanopie sont les formes les plus courantes).
Ce n'est pas un cas marginal mineur. Dans un domaine comme la biologie cellulaire ou la génétique — où les figures quantitatives sont au cœur de l'argument du document — une figure scientifique qu'une fraction significative de relecteurs et de lecteurs ne peut pas interpréter correctement est un échec de communication scientifique. Certaines revues exigent désormais explicitement des palettes accessibles aux daltoniens dans leurs directives de figures.
Pourquoi cela arrive : L'opposition de couleurs rouge-vert est profondément ancrée dans les paramètres par défaut de MATLAB, des graphiques de base de R, d'Excel et de la plupart des logiciels de visualisation scientifique. À moins que vous ne remplaciez activement les paramètres par défaut, vous héritez d'une palette conçue pour le design graphique général, pas pour la communication scientifique inclusive. La plupart des chercheurs ne pensent pas à l'accessibilité aux daltoniens jusqu'à ce qu'on leur dise qu'ils ont un problème.
Comment l'IA l'empêche : Les outils de figure IA modernes sont entraînés sur les meilleures pratiques de communication scientifique, qui incluent des conventions de palette accessibles aux daltoniens. Plutôt que de revenir par défaut à l'opposition rouge-vert, ils utilisent par défaut des palettes comme viridis, cividis et inferno — des échelles de couleurs perceptuellement uniformes qui restent distinguables à travers toutes les formes courantes de déficience de la vision des couleurs et qui s'impriment également bien en niveaux de gris. L'accessibilité est intégrée dans la sortie plutôt que de nécessiter une correction post-hoc.
Erreur n°3 — Chaos typographique
Le problème : Ouvrez n'importe quelle figure multi-panneaux assemblée sur plusieurs semaines ou mois — panneaux de différents membres du laboratoire, panneaux exportés de différents logiciels, panneaux ajoutés lors de la révision — et vous verrez presque certainement des polices incohérentes, des tailles d'étiquettes mal assorties, des polices mélangées et des traitements de poids variables à travers ce qui est censé être une figure unifiée. Arial dans le panneau A, Times New Roman dans le panneau B, police MATLAB par défaut dans le panneau C. Étiquettes 10pt dans certains panneaux, 8pt dans d'autres. Étiquettes d'axes en gras à côté d'étiquettes de panneaux en poids régulier.
Pourquoi cela arrive : Les figures multi-panneaux ne sont presque jamais construites en une seule séance. Elles sont assemblées à partir de composants produits à différents moments, dans différents logiciels, par différentes personnes. Chaque outil logiciel a ses propres paramètres de police par défaut. Lorsque ces composants sont collectés et disposés ensemble, l'incohérence typographique qui était invisible lorsque chaque panneau était construit isolément devient immédiatement évidente. Une typographie incohérente signale une figure scientifique qui a été assemblée plutôt que conçue — et les relecteurs et éditeurs le remarquent.
La version plus subtile de ce problème est l'incohérence d'échelle : des étiquettes qui sont techniquement de la même taille de police mais apparaissent à des tailles visuelles différentes parce que les panneaux auxquels elles appartiennent ont été exportés à des dimensions de pixels différentes puis redimensionnés pour s'adapter à une mise en page.
Comment SciFig l'empêche : Lorsqu'une figure complète — plusieurs panneaux, étiquettes, légendes et annotations — est générée à partir d'une seule description en langage naturel SciFig, le système typographique est cohérent par définition. La même police, la même hiérarchie de poids et les mêmes règles de dimensionnement des étiquettes s'appliquent à chaque élément car ils proviennent tous du même processus de génération. Il n'y a pas d'étape d'assemblage où des incohérences peuvent s'introduire.
Voyez la génération de figures scientifiques par IA en action
Observez comment les chercheurs créent des figures scientifiques prêtes à publier à partir de descriptions textuelles.
Explorer l'outilErreur n°4 — Anarchie des flèches et étiquettes
Le problème : Les annotations — flèches, accolades, étiquettes d'appel, barres d'échelle — sont le vocabulaire visuel que les chercheurs utilisent pour diriger l'attention au sein d'une figure. Bien utilisées, elles créent une hiérarchie claire qui guide le lecteur à travers l'argument visuel. Mal utilisées, elles créent des boîtes de texte qui se chevauchent, des flèches pointant vers des cibles ambiguës, des étiquettes d'appel qui entrent en collision avec des éléments de données et des styles d'annotation qui changent d'un panneau à l'autre sans raison.
Pourquoi cela arrive : L'annotation est généralement la dernière étape de la préparation des figures, effectuée sous pression de date limite après la fin du travail sur les données et les illustrations sous-jacentes. Elle est traitée comme une étape de finition plutôt que comme une décision de conception. Les étiquettes sont placées partout où il y a de l'espace blanc visuel, pas là où elles créent le chemin de lecture le plus clair. Les flèches sont déposées pour pointer vers des régions plutôt que vers des caractéristiques spécifiques. Lorsque les panneaux sont révisés — données mises à jour, échelle modifiée, éléments repositionnés — les annotations qui ont été placées manuellement finissent souvent par pointer au mauvais endroit ou se chevaucher avec des éléments nouvellement repositionnés.
Le problème plus profond est que l'annotation nécessite des décisions de design visuel actives : ce qui mérite d'être étiqueté, à quel point, avec quel contraste contre l'arrière-plan et dans quelle relation spatiale avec ce qu'il identifie. La plupart des chercheurs ne sont pas formés à ces décisions et reviennent par défaut à ce qui semble approximativement correct au zoom d'écran normal — pas à l'échelle d'impression ou pendant la révision de revue.
Comment l'IA l'empêche : La génération de figures par IA intègre l'annotation comme partie du processus de conception plutôt qu'un ajout post-hoc. Les étiquettes, flèches et appels sont positionnés par rapport aux éléments de la figure scientifique qu'ils identifient, avec détection de collision et hiérarchie visuelle intégrées dans la logique de génération. Le résultat est une figure annotée où chaque étiquette est lisible, chaque flèche cible son sujet sans ambiguïté, et la densité d'annotation globale est calibrée selon la complexité de la figure scientifique plutôt que selon ce qui s'adapte dans l'espace blanc restant.
Erreur n°5 — Le vide vectoriel
Le problème : Vous soumettez vos figures sous forme de fichiers PNG ou TIFF. Le document est accepté — félicitations — et l'équipe de production de la revue envoie une demande de révision par e-mail. Ils ont besoin qu'un panneau soit recoloré pour correspondre au style maison. Ou ils ont besoin qu'une étiquette soit traduite pour l'édition internationale. Ou le rédacteur a changé un terme dans le texte et maintenant la légende de la figure scientifique ne correspond plus. Avec un export raster, aucun de ces changements ne peut être effectué sans reconstruire la figure scientifique à partir de zéro. Si vous n'avez plus le fichier source, vous reconstruisez à partir d'une image aplatie.
Pourquoi cela arrive : La plupart des chercheurs exportent les figures sous forme d'images raster parce que c'est le format d'export par défaut du logiciel qu'ils utilisent et parce que le portail de soumission accepte les fichiers raster. La distinction entre raster (basé sur les pixels, résolution fixe) et vectoriel (défini mathématiquement, infiniment évolutif) ne fait pas partie de la formation standard à la recherche. Les formats vectoriels — SVG, EPS, PDF, AI — sont souvent perçus comme des « formats de designer » qui sont plus compliqués que nécessaire. Jusqu'à ce qu'une demande de révision arrive qui nécessite l'édition d'un fichier aplati.
Ce problème évolue avec l'ancienneté. Plus vous publiez d'articles, plus vous êtes susceptible de faire face à une révision de production sur une figure d'un article soumis il y a deux ans dont les fichiers source sont sur un disque dur qui n'est plus accessible.
Comment l'IA l'empêche : Les figures générées par IA produisent nativement une sortie vectorielle en couches et modifiable. Chaque élément — chemins, étiquettes de texte, remplissages de couleur, flèches — existe comme un objet séparé et modifiable dans le fichier de sortie. Ouvrez le résultat dans le canevas vectoriel de SciFig (ou tout éditeur compatible SVG), changez la couleur de remplissage sur la couche pertinente et exportez un nouveau TIFF en trois minutes. Lorsqu'une étiquette doit changer, vous éditez l'objet texte. Il n'y a pas d'étape d'aplatissement, pas de grille de pixels et pas d'export destructif qui élimine votre capacité à effectuer de futures modifications.
Affinez les figures dans le Vector Canvas
Ouvrez toute figure générée par IA dans le canevas modifiable — SVG en couches, PNG 8K ou PPTX modifiable.
Essayer gratuitementListe de contrôle avant soumission
Avant qu'une figure n'entre dans une soumission de manuscrit, parcourez cette liste de validation. Chaque élément de cette liste correspond à une vraie raison de rejet de revue.
Résolution et format
- Toutes les figures raster exportées à 300 DPI minimum (600 DPI pour les figures avec des détails fins ou un petit texte)
- Aucun artefact de compression JPEG visible à 100 % de zoom
- Fichiers vectoriels source enregistrés séparément des exports de soumission
Accessibilité des couleurs
- Aucune distinction de couleur uniquement rouge-vert dans les figures qui codent des données catégorielles ou comparatives
- Choix de couleurs vérifiés avec un outil de simulation de daltonisme (par ex. Coblis ou Color Oracle)
- Les figures restent interprétables lorsqu'elles sont converties en niveaux de gris
Typographie
- Police cohérente à travers tous les panneaux de chaque figure
- Tailles d'étiquettes cohérentes — physiquement la même taille de point aux dimensions d'impression
- La famille de polices correspond aux exigences de la revue (beaucoup spécifient sans-serif uniquement)
Annotation
- Toutes les flèches pointent vers des cibles spécifiques et sans ambiguïté
- Aucun texte d'étiquette ne chevauche les éléments de données ou autres étiquettes
- Barres d'échelle présentes et étiquetées dans toutes les micrographies
- Lettres de panneaux (A, B, C) positionnées de manière cohérente — généralement en haut à gauche
Exigences de format
- Le format de fichier correspond aux spécifications de la revue (pas seulement « tout format d'image »)
- La largeur de la figure correspond aux spécifications de largeur de colonne de la revue
- Les légendes des figures sont complètes et correspondent au contenu des figures
Avertissement
Chaque revue a ses propres exigences spécifiques pour les figures — et elles diffèrent de manière importante. Les revues Nature, les revues Cell Press, les revues PLOS et les publications de sociétés ont chacune des spécifications distinctes pour le format de fichier, le DPI minimum, la taille maximale du fichier, le mode de couleur (RVB vs CMJN) et les exigences de police. Téléchargez et lisez toujours les directives aux auteurs de la revue cible avant de préparer les figures pour soumission. Les meilleures pratiques génériques sont un point de départ, pas un substitut aux exigences spécifiques à la revue. Si la figure scientifique est générée par IA, consultez notre guide des politiques 2026 des revues sur les figures IA pour les modèles de divulgation à travers les principaux éditeurs.
Le vrai coût des erreurs de figures
Le temps est la ressource dont les chercheurs manquent le plus régulièrement. Considérez ce que les problèmes de figures coûtent réellement en pratique.
Un seul tour de révision déclenché par des problèmes de qualité de figure — rejet éditorial avant examen, commentaire de relecteur demandant des exports à plus haute résolution, demande de production pour un fichier modifiable — coûte généralement deux à cinq jours. Localiser les fichiers source, reconstruire les éléments, ré-exporter aux spécifications correctes, recharger sur le portail de soumission et attendre la confirmation éditoriale consomment tout du temps qui n'était pas budgétisé.
Multipliez cela par le nombre de figures dans un article typique (quatre à huit pour un article de recherche standard, plus pour le travail intensif en méthodes) et un problème de figure qui semble être un problème technique mineur devient un retard matériel dans le calendrier de publication. Pour les chercheurs sous pression de publier avant un renouvellement de subvention, une saison du marché du travail ou une situation de revendication de priorité, un retard évitable de deux semaines a de réelles conséquences.
L'effet cumulatif est pire. Un article qui retourne pour des révisions de figures réintègre la file à la position que le bureau éditorial lui assigne. Si la révision prend plus de temps que la fenêtre autorisée, la décision éditoriale peut devoir être réémise. Ce qui a commencé comme un problème de DPI peut devenir un retard de deux mois.
Bien faire les figures avant la soumission n'est pas du perfectionnisme — c'est le chemin le plus efficace. Le temps investi dans la production de figures correctes est systématiquement inférieur au temps perdu à gérer des cycles de révision évitables.
