Palettes de couleurs pour figures scientifiques (2026)
Palettes de qualité éditoriale et adaptées au daltonisme pour figures scientifiques, graphiques circulaires, combinés et diagrammes, avec valeurs HEX.
SciFig Team
Scientific Illustration Experts
Conseil
Réponse rapide : Pour la plupart des figures scientifiques, limitez-vous à six couleurs catégorielles discrètes. Utilisez une palette séquentielle pour une grandeur, une palette divergente autour d'un point médian pertinent et, comme option catégorielle accessible, jusqu'à six couleurs du jeu Okabe-Ito qui en compte huit. Associez la couleur à des étiquettes, des formes ou des positions au lieu de vous fier uniquement à la teinte.
La couleur est un canal d'encodage, pas un élément décoratif. Une bonne palette rend les catégories, l'ordre et l'accentuation lisibles sans obliger le lecteur à consulter sans cesse la légende. Ce guide propose des palettes de qualité éditoriale avec leurs valeurs HEX pour les graphiques, camemberts, cartes de chaleur, posters et voies biologiques ; le générateur de palettes scientifiques de SciFig offre un point de départ pratique avec des valeurs faciles à copier.
L'accessibilité fait partie de cette décision. Les recommandations de Bang Wong publiées en 2011 dans Nature Methods indiquent que, parmi les personnes d'ascendance nord-européenne, jusqu'à 8 % des hommes et 0,5 % des femmes présentent la forme courante de déficience rouge-vert. La couleur doit donc être associée à un second canal, comme une étiquette, une forme, un type de trait ou une position.
Une grille d'échantillons de palettes de couleurs scientifiques avec valeurs HEX, couvrant les schémas séquentiels, divergents et catégoriels (Figure générée avec SciFig)
Pourquoi la couleur influe sur la lisibilité des figures scientifiques
Dans une figure scientifique, la couleur n'est pas décorative : c'est un canal d'encodage qui transmet de l'information ou ajoute du bruit. Une palette bien choisie distingue immédiatement les catégories, guide le regard vers le résultat clé et reste lisible en niveaux de gris comme pour les personnes présentant une déficience de la vision des couleurs. Une mauvaise palette masque la hiérarchie et oblige à consulter plusieurs fois la légende.
Trois échecs reviennent souvent. La palette arc-en-ciel — l'ancienne carte de couleurs jet — crée de fausses frontières dans des données continues, car ses transitions ne sont pas perceptuellement uniformes ; un article de perspective publié en 2020 dans Nature Communications décrit cette distorsion et recommande des solutions de remplacement fondées sur des critères scientifiques. L'encodage rouge-vert échoue pour des formes courantes de déficience de la vision des couleurs. Enfin, un trop grand nombre de catégories transforme la légende en table de correspondance répétitive : une bonne règle pratique consiste à s'arrêter vers six couleurs, puis à ajouter des formes, des textures ou des étiquettes directes.
Palettes de qualité éditoriale (Nature, Cell, IEEE et The Lancet)
Pour une publication, un ensemble sobre offrant un fort contraste de luminance constitue un point de départ plus sûr qu'un arc-en-ciel vif. Les options ci-dessous sont des points de départ pratiques, pas des palettes officielles prescrites par Nature, Cell, IEEE ou The Lancet.
Palette
Cas d'usage
Exemples de valeurs HEX
Catégorielle discrète
Jusqu'à 6 groupes dans des graphiques à barres ou en courbes
#4E79A7#F28E2B#59A14F#E15759#B07AA1#76B7B2
Palette froide de style Nature
Comparaisons de deux à trois groupes
#386CB0#7FC97F#BEAED4
Séquentielle (teinte unique)
Données ordonnées, densité, grandeur
#F7FBFF#9ECAE1#4292C6#08519C
Divergente
Données avec un point médian pertinent, par exemple le logarithme du facteur de variation
#B2182B#F4A582#F7F7F7#92C5DE#2166AC
Deux règles apportent l'essentiel du bénéfice. Utilisez des palettes séquentielles — du clair au foncé dans une seule teinte — pour les données ordonnées ou continues, et des palettes divergentes pour les données centrées sur un zéro pertinent. Réservez les palettes catégorielles aux groupes non ordonnés et limitez le nombre de couleurs à environ six ; au-delà, distinguez les groupes par la forme ou la texture plutôt que d'ajouter des couleurs.
Pour décider rapidement, raisonnez en trois familles. Les palettes qualitatives conviennent aux catégories distinctes des graphiques scientifiques, les palettes séquentielles aux grandeurs croissantes et les palettes divergentes aux valeurs réparties autour d'un point médian pertinent. Pour un diagramme scientifique schématique, resserrez davantage la palette : attribuez les couleurs à des rôles sémantiques, comme une classe de molécules, un compartiment ou un état, et non à la décoration.
Palettes de style revue côte à côte — catégorielle discrète, séquentielle et divergente — appliquées au même graphique à barres et à la même carte de chaleur (Figure générée avec SciFig)
Palettes adaptées au daltonisme et méthodes de test
Une palette adaptée au daltonisme réduit le risque que des différences de teinte disparaissent pour une partie du public. Deux points de départ reconnus sont la palette Okabe-Ito et le jeu présenté dans les recommandations de Wong pour Nature Methods ; tous deux privilégient la séparation des couleurs dans les formes courantes de déficience de la vision des couleurs.
Les recommandations originales de Masataka Okabe et Kei Ito pour une conception universelle des couleurs proposent huit couleurs : #000000 (noir), #E69F00 (orange), #56B4E9 (bleu ciel), #009E73 (vert bleuté), #F0E442 (jaune), #0072B2 (bleu), #D55E00 (vermillon) et #CC79A7 (violet rougeâtre). L'absence d'arc-en-ciel est volontaire : ces couleurs ont été choisies pour rester séparables en présence d'une déficience de la vision des couleurs.
Deux habitudes rendent toute palette plus sûre. Premièrement, n'encodez jamais une information par le seul contraste rouge-vert : associez la couleur à un autre canal, comme la position, la forme, le type de trait ou une étiquette directe. Deuxièmement, effectuez à la fois un contrôle en niveaux de gris et une simulation de déficience de la vision des couleurs. Les niveaux de gris testent le contraste de luminance, mais ne remplacent pas les simulations de protanopie, de deutéranopie et de tritanopie. L'exemple ci-dessous compare un encodage rouge-vert et un encodage Okabe-Ito sous simulation de deutéranopie.
Comparaison d'une figure avec un encodage rouge-vert et une palette Okabe-Ito, les deux versions étant simulées sous deutéranopie afin de montrer laquelle reste lisible (Figure générée avec SciFig)
Voyez l'édition Vector Canvas en action
Modifiez chaque forme, étiquette et couleur dans le canevas vectoriel en direct de SciFig — sans Illustrator.
La bonne palette dépend du rôle de la figure scientifique, et non des goûts personnels. Faire correspondre le type de palette au type de données est une première décision pratique lors du choix des couleurs d'une figure.
Courbes, graphiques à barres et autres graphiques scientifiques — utilisez une palette catégorielle discrète limitée à environ six couleurs. Au-delà, séparez les séries en petits multiples plutôt que d'ajouter des couleurs.
Boîtes à moustaches et comparaisons groupées — utilisez deux à quatre couleurs catégorielles très contrastées ; conservez un remplissage clair dans les groupes pour que la médiane reste visible.
Cartes de chaleur — choisissez une palette séquentielle pour une grandeur unidirectionnelle, ou une palette divergente lorsqu'un centre pertinent existe, comme zéro, une référence ou un témoin. Évitez entièrement les cartes de chaleur arc-en-ciel.
Graphiques circulaires — si vous devez en utiliser un, limitez-le à cinq secteurs, ordonnez-les clairement et assurez un fort contraste de luminance entre les secteurs voisins. Les meilleures couleurs sont distinctes sans être criardes.
Graphiques combinés — utilisez une couleur d'accent saturée pour la série principale, puis gardez les barres, aires ou courbes secondaires dans des tons plus discrets. La meilleure combinaison comporte généralement un accent dominant et des couleurs d'accompagnement sobres, afin de rendre la hiérarchie évidente.
Diagrammes de voies et de mécanismes — utilisez une petite palette dans laquelle chaque couleur a un sens, par exemple une teinte par classe de molécules, plutôt qu'une couleur par objet. La cohérence de la figure importe davantage que la variété.
Le principe commun est simple : la couleur doit réduire l'effort du lecteur, pas l'augmenter. Une bonne palette ne se contente pas d'être attrayante ; elle rend les catégories, l'ordre et l'accentuation lisibles d'un coup d'œil. Si elle oblige à consulter sans cesse la légende, elle fait l'inverse de son travail. Pour les autres erreurs évitables, consultez les cinq erreurs courantes dans les figures scientifiques.
Comment choisir une palette pour des graphiques scientifiques
Pour choisir une palette destinée à des graphiques de données plutôt qu'à des illustrations scientifiques, suivez une méthode fondée sur la structure, et non sur l'esthétique. Commencez par identifier la relation entre les données : catégories pour une palette qualitative, grandeur pour une palette séquentielle et écart autour d'un centre pour une palette divergente.
Décidez ensuite de ce que le lecteur doit remarquer en premier. Dans un graphique combiné, cela revient généralement à attribuer une couleur d'accent à la série principale et à atténuer les séries secondaires. Dans un graphique circulaire, utilisez moins de secteurs, avec un contraste plus marqué, plutôt que d'essayer de faire coexister huit secteurs aux teintes proches.
Enfin, testez la palette en contexte : sur fond blanc, après export en niveaux de gris et avec une simulation de déficience de la vision des couleurs. Une bonne palette conserve sa hiérarchie dans les trois vues. Si cette hiérarchie disparaît dans l'une d'elles, la palette n'est pas prête pour publication, même si elle semblait réussie dans le sélecteur de couleurs.
Palettes de couleurs propres aux posters
Les posters changent les exigences, car la distance d'observation augmente. Une palette élégante à l'échelle d'une figure de revue peut s'effacer lorsqu'elle est vue à deux mètres dans une salle de posters. Il faut donc un contraste légèrement plus fort et une palette plus resserrée, souvent deux ou trois couleurs plus des tons neutres. Une formule pratique associe un bleu marine profond ou un bleu-vert pour la structure à une seule couleur d'accent réservée au résultat clé, sur fond blanc ou très clair. La même règle vaut pour les graphiques d'un poster : moins de couleurs, plus de contraste et un message visuel clairement dominant.
La discipline reste la même que pour les figures, mais en plus stricte : moins de couleurs, plus de contraste et une couleur toujours porteuse de sens. Pour comprendre l'anatomie complète d'un poster efficace — hiérarchie, figure principale et rôle de la couleur — consultez notre guide des exemples de posters scientifiques.
Appliquer une palette de façon cohérente avec SciFig
Le générateur de palettes scientifiques de SciFig vous aide à choisir un schéma qualitatif, séquentiel ou divergent et fournit les valeurs HEX. Appliquez-les dans le canevas vectoriel, en conservant la même couleur pour chaque catégorie ou rôle sémantique dans tous les panneaux.
Le processus comporte trois étapes : choisir le type de palette d'après la relation entre les données, copier un jeu documenté de valeurs HEX, puis réutiliser cette correspondance dans tout l'article. Si le témoin est bleu dans la figure 1, gardez-le bleu dans les figures 2 à 6. Un court registre des correspondances évite les glissements de sens entre plusieurs panneaux ou coauteurs.
Pour la plupart des figures, une palette catégorielle discrète limitée à environ six couleurs constitue un bon point de départ. Utilisez une palette séquentielle à teinte unique pour les données ordonnées et une palette divergente pour les données centrées sur un point médian pertinent. Si vous cherchez un jeu catégoriel à la fois sobre et accessible, Okabe-Ito est un point de départ largement utilisé.
Une palette adaptée au daltonisme vise à préserver les distinctions pour les formes courantes de déficience de la vision des couleurs. Parmi les personnes d'ascendance nord-européenne, la forme rouge-vert courante touche jusqu'à 8 % des hommes et 0,5 % des femmes, selon les recommandations de Wong dans Nature Methods. Ne vous fiez jamais au seul contraste rouge-vert : ajoutez une forme, une position, un type de trait ou une étiquette directe.
Limitez les couleurs catégorielles à environ six comme point de départ pratique. Pour davantage de groupes, utilisez des formes, des textures, des étiquettes directes ou de petits multiples au lieu d'ajouter des teintes. Les palettes séquentielles et divergentes utilisent des plages continues plutôt que des catégories discrètes ; la même règle de nombre ne s'y applique donc pas.
Une bonne palette de diagramme scientifique emploie peu de couleurs sémantiquement cohérentes : chaque teinte correspond à un rôle, comme une classe de molécules, un compartiment ou un état, plutôt qu'à une décoration aléatoire. Dans la plupart des cas, trois à cinq couleurs bien séparées, plus des tons neutres, suffisent. Pour partir plus vite, le générateur de palettes scientifiques de SciFig peut proposer une palette avec codes HEX adaptée aux diagrammes.
Les meilleures couleurs combinent un fort contraste, un nombre limité de secteurs et une palette sobre — généralement trois à cinq secteurs aux teintes et luminances nettement séparées. Évitez l'ordre arc-en-ciel et les couleurs de luminosité moyenne trop proches côte à côte. Au-delà de cinq catégories, un graphique à barres est souvent un meilleur choix scientifique.
Pour la plupart des graphiques combinés, utilisez une couleur d'accent saturée pour la série principale et des couleurs plus discrètes pour les séries secondaires. Une courbe bleu foncé peut ainsi porter le message principal, tandis que des barres grises ou bleu-vert apportent du contexte sans rivaliser. L'objectif est d'établir une hiérarchie visuelle, pas d'accorder la même importance à toutes les séries.
La carte arc-en-ciel ou jet crée de fausses frontières visuelles, car ses transitions ne sont pas perceptuellement uniformes : certaines semblent plus nettes que ne le justifient les données. L'article de perspective publié en 2020 dans Nature Communications relève aussi des problèmes d'accessibilité. Pour une grandeur unidirectionnelle, utilisez plutôt une palette séquentielle perceptuellement uniforme.
Définissez une fois la palette sous forme de valeurs HEX et conservez la même couleur pour chaque catégorie dans toutes les figures. Le générateur de palettes de SciFig fournit les valeurs, puis le canevas vectoriel permet de les appliquer pendant l'édition. Tenez un court registre afin que tous les coauteurs utilisent la même correspondance.
Pour continuer
Ressources recommandées
Modèles, outils et lectures complémentaires pour vos recherches
