La mise au point de l’outil de cartographie des indicateurs de l’EIEL a supposé la définition d’une série de paramètres permettant de mettre en relation les variables disponibles, de manière à ce que l’on puisse cartographier la structure spatiale et la dynamique de l’information géographique collectée pour qu’elle soit facilement visualisée et comprise (Bosque et al., 2002; Dodge et al., 2011).

La conception cartographique a donc été considérée comme un élément crucial du processus, puisqu’elle affecte aussi bien l’interprétation que l’acceptabilité des résultats (Stewart, Wegener, 2000). Pour cela, les propositions cartographiques ont été pensées de manière à permettre au lecteur de comprendre la réalité des phénomènes le plus rapidement possible, dans l’esprit de la géovisualisation (Pueyo Campos, 1994; Zúñiga Antón, 2009 ), en créant des représentations visuelles qui facilitent la pensée, la compréhension et la construction de connaissances sur le territoire.

La détermination du nombre de variables visuelles susceptibles d’être superposées sur une seule carte a été l’un des points les plus délicats (Zúñiga Antón, 2009). On s’est arrêté à un ensemble de paramètres qui combinent qualités esthétiques et techniques, qui n’invalident pas le résultat final et qui permettent la mise en relation des phénomènes. Une cartographie finale explicative, simple et claire, a été recherchée, en fonction des principes suivants:

• le traitement cartographique devait préserver les valeurs absolues;
• les descriptions textuelles ne pouvant se substituer à la richesse des cartes, celles-ci véhiculent des messages clairs.

Il fallait en outre:

• éviter la surcharge graphique, en travaillant à épurer les représentations, simplifier les symboles, etc.;
• supprimer les éléments inutiles, pour centrer le message cartographique sur l’information pertinente;
• différencier et adapter les couches thématiques de telle manière que les variables visuelles se distinguent (la taille, le ton, la couleur et/ ou le poids des différents niveaux d’information);
• éviter les couleurs saturées ou les réserver pour l’indicateur le plus important, sans obérer la vue d’ensemble de la carte;
• optimiser la relation entre l’information et la représentation graphique. Cela a supposé une conception de trajectoires

cartographiques (Zúñiga Antón, 2009) et de modèles de légendes qui permettent de classer visuellement l’information du phénomène à représenter à partir de catégories (fig. 1).

Remarques sur les légendes:

• légende divergente: souligne une valeur intermédiaire considérée comme critique (moyenne ou valeur zéro). À partir de celle-ci, deux séquences opposées sont établies avec une gradation équivalente en valeur mais divergente en ton, c’est-à-dire, des couleurs chaudes dans les grandes magnitudes et froides dans les petites (Calvo Palacios et al., 2008). Ces légendes se sont avérées utiles pour montrer les variations à partir d’une valeur seuil ou d’une mesure déterminée par un indicateur ;
• légende séquentielle: qui ordonne la couleur selon la grandeur de la variable. De cette manière, plus le ton est intense plus la grandeur est forte (Calvo Palacios et al., 2008; Rain, 2010). Dans ce type de cartes le concept de « hiérarchie visuelle » est important, conçu comme le contraste entre les couleurs sombres et les nuances plus claires qui les entourent (Rain, 2010);
• légende à double entrée: elle a permis la représentation d’un indicateur réel pour chaque axe. Le long de l’axe des abscisses la variable visuelle couleur selon que les valeurs sont au-dessus ou en dessous de la valeur critique (moyenne, déficit, etc). Sur l’axe des ordonnées un autre indicateur est représenté, gradué à partir d’une autre valeur critique;
• légende séquentielle pour carte choroplèthe. À la différence du reste de la légende, celle-ci s’appuie sur l’implantation surfacique, fondamentalement en nuances de gris, et elle s’utilise comme un complément de l’information représentée par la variable taille avec les légendes antérieurement exposées.

D’autre part, pour la représentation de l’information sociodémographique affectée par l’indicateur analysé, on a utilisé des symboles proportionnels, en les combinant avec les variables visuelles sur lesquelles étaient représentés les indicateurs de l’EIEL (taille et couleur), ce qui a permis de représenter ensemble le total de la population (taille) et les caractéristiques de cette population à partir de différents indicateurs ou taux (couleur/valeur). En raison des limitations techniques de nombreux programmes habituels, il a fallu développer des procédures en langage Python, suivies d’un post-traitement avec Adobe Illustrator pour pouvoir créer des symboles proportionnels à partir d’Arc GIS.