Palettes ColorBrewer pour les figures scientifiques
Codes hexadécimaux ColorBrewer pour Set2, Dark2, Paired, Blues, RdBu et RdYlBu, et conseils pour choisir une palette séquentielle, divergente ou qualitative.
SciFig Team
Équipe éditoriale de SciFig
ColorBrewer propose des palettes séquentielles, divergentes et qualitatives éprouvées.
Créé à l’origine comme outil cartographique par Cynthia Brewer et Mark Harrower à Penn State, ColorBrewer reste l’une des bibliothèques de couleurs les plus utilisées en visualisation scientifique. Sa force tient à une idée simple : classer les palettes selon la nature des données qu’elles encodent, puis indiquer celles qui restent lisibles en cas de déficience de la vision des couleurs et en impression en niveaux de gris.
Trois rangées d’échantillons ColorBrewer intitulées séquentielle, divergente et qualitative, avec les codes hexadécimaux sous chaque rangée (nuancier ColorBrewer réalisé avec SciFig)
Choisir d’abord le type de palette
Dans une figure scientifique, un mauvais choix de couleur est presque toujours une erreur de type plutôt qu’une faute de goût. Commencez par faire correspondre la famille de palettes aux données avant de comparer des couleurs précises.
Type de données
Famille de palettes
Exemple
Utilisation
Catégories non ordonnées
Qualitative
Set2, Dark2, Paired
Espèces, groupes de traitement, conditions
Données ordonnées ou continues
Séquentielle
Blues, Greens, YlOrRd
Concentration, effectif, densité
Écart par rapport à un point médian
Divergente
RdBu, RdYlBu, BrBG
Variation logarithmique, anomalie, corrélation
Appliquer une palette divergente à des données séquentielles invente un point médian qui n’existe pas. Employer une palette séquentielle pour des catégories suggère un classement tout aussi inexistant. Dans les deux cas, le lecteur est induit en erreur avant même d’avoir lu une seule étiquette d’axe.
Voyez l'amélioration de figures en action
Agrandissez, repeignez, recolorez ou réétiquetez toute figure scientifique existante en qualité 8K prête pour les revues.
Set2 (8 classes) — douce, peu saturée et adaptée aux déficiences de la vision des couleurs. C’est un bon choix par défaut pour les barres groupées et les boîtes à moustaches.
Paired (12 classes) — les couleurs forment des paires claires et foncées. Cette structure est utile lorsque les catégories s’imbriquent naturellement, par exemple un groupe témoin et un groupe traité dans chaque génotype.
Attention avec Paired : seule la relation au sein de chaque paire est porteuse de sens. Ne l’utilisez pas pour douze catégories indépendantes, car le lecteur déduira des liens que vos données ne justifient pas.
Palettes séquentielles et divergentes
Blues (5 classes) — séquentielle et monochrome.
#EFF3FF#BDD7E7#6BAED6#3182BD#08519C
RdBu (5 classes) — divergente, avec un centre clair et neutre.
#CA0020#F4A582#F7F7F7#92C5DE#0571B0
RdYlBu (5 classes) — divergente, avec un centre jaune et un contraste plus marqué aux extrêmes.
#D7191C#FDAE61#FFFFBF#ABD9E9#2C7BB6
Pour une carte divergente, ancrez la couleur neutre sur le point médian qui a un sens scientifique. Si la variation logarithmique s’étend de -1 à +4 et que le logiciel centre l’échelle sur l’étendue des données, la couleur neutre se place à +1,5. La figure donne alors l’impression que la plupart des gènes sont sous-exprimés.
Deux versions de la même carte thermique divergente : l’une centrée sur l’étendue des données, l’autre correctement centrée sur zéro, produisant des impressions opposées (réalisé avec SciFig)
Trois graphiques d’exemple appliquant une palette ColorBrewer séquentielle, divergente et qualitative à des données adaptées (figure réalisée avec SciFig)
Sélection adaptée aux déficiences de la vision des couleurs
Toutes les palettes ColorBrewer ne restent pas lisibles en cas de déficience de la vision des couleurs, et la famille qualitative est la plus fragile. En pratique :
Les palettes séquentielles monochromes (Blues, Greens, Purples) sont robustes par construction, car elles varient surtout par la luminosité.
Set2 et Dark2 fonctionnent bien avec trois ou quatre classes, puis deviennent moins distinctes au-delà.
Paired n’est pas fiable, car l’écart clair-foncé qui porte le sens se réduit en cas de déficience chromatique.
Si vous avez besoin de plus de quatre catégories qualitatives et que l’accessibilité compte, la palette Okabe-Ito constitue un meilleur point de départ que les ensembles qualitatifs de ColorBrewer. Notre guide des palettes pour figures scientifiques détaille ce compromis.
Conseil
ColorBrewer limite volontairement le nombre de classes. Lorsqu’un schéma en propose au maximum 8 ou 9, ce n’est pas une contrainte technique mais un constat de conception : au-delà, le lecteur n’associe plus les couleurs à la légende de façon fiable. Considérez cette limite comme un signal indiquant qu’il faut restructurer la figure.
Diagramme à barres groupées avec Set2 et étiquettes directes, à côté du même graphique avec une légende à douze éléments, montrant pourquoi la version est plus difficile à lire (réalisé avec SciFig)
Créez des figures scientifiques maintenant
Décrivez votre figure scientifique en langage naturel — obtenez des illustrations prêtes à publier en quelques minutes.
Le générateur de palettes scientifiques de SciFig applique ces règles pendant la création de votre figure, tandis que l’outil d’amélioration de figures permet de recolorer une image existante sans la reconstruire. Pour les graphiques, SciFig DataChart (graphiques basés sur les données) génère le graphique avec précision à partir de vos données, avec des palettes discrètes et des cartes de couleurs continues intégrées, et chaque couleur reste modifiable.
Set2 à 8 classes utilise #66C2A5, #FC8D62, #8DA0CB, #E78AC3, #A6D854, #FFD92F, #E5C494 et #B3B3B3. Cette palette qualitative douce convient aux barres groupées et aux boîtes à moustaches comportant peu de catégories.
Oui. Les spécifications de couleur de ColorBrewer sont proposées sous une licence de type Apache qui autorise leur utilisation dans les publications et les logiciels. Si votre éditeur exige une déclaration explicite, vérifiez le texte de licence en vigueur sur le site de ColorBrewer.
Utilisez une palette séquentielle comme Blues ou YlOrRd lorsque les valeurs progressent du faible au fort, et une palette divergente comme RdBu lorsqu’elles s’écartent autour d’un point médian significatif, tel que zéro. Centrez la carte divergente sur ce point, et non sur l’étendue des données.
Non. Les palettes séquentielles monochromes sont robustes par construction. Set2 et Dark2 restent lisibles jusqu’à environ quatre classes, tandis que Paired est moins fiable parce que ses paires claires et foncées perdent leur séparation en cas de déficience chromatique.
Leur structure est proche, mais leur saturation diffère. Set2 est plus douce et fonctionne bien sur de grandes surfaces pleines, comme les barres. Dark2 est plus saturée et distingue mieux les lignes fines et les petits marqueurs.
Au-delà d’environ huit catégories, il devient difficile d’associer chaque couleur à la légende de façon fiable. Cette limite est un choix délibéré qui reflète les capacités de perception : utilisez-la comme invitation à créer des facettes ou des étiquettes directes plutôt qu’à chercher une palette plus grande.
Pour continuer
Ressources recommandées
Modèles, outils et lectures complémentaires pour vos recherches
