## Introduction Vous avez entendu parler des graphiques interactifs qui permettent de zoomer, de filtrer les points ou même de survoler les données pour obtenir des détails supplémentaires ? Ces visualisations sont très prisées dans les articles de presse, les rapports d’entreprise ou les tableaux de bord personnels. Pourtant, il n’est pas nécessaire d’être un développeur expert pour les mettre en place : la bibliothèque **Plotly** pour Python offre une prise en main simple et un rendu élégant, sans nécessiter de connaissances en JavaScript. Dans cet article, nous allons découvrir pas à pas comment installer Plotly, préparer ses données et créer un graphique interactif basique que vous pourrez intégrer à un site web ou à un notebook Jupyter. L’objectif est de rendre la visualisation de données accessible à tous, même à ceux qui découvrent l’intelligence artificielle et la data science. ## Pourquoi choisir Plotly ? - **Interactivité native** : le rendu se fait sous forme de composants HTML/JS, donc chaque graphique est déjà interactif (zoom, déplacement, légende cliquable). - **Compatibilité** : fonctionne dans les notebooks (Jupyter, Colab), les scripts Python classiques et les applications web (Dash). - **Large palette de graphiques** : de simples lignes aux cartes géographiques en passant par les diagrammes en 3D. - **Pas besoin de serveur** : un fichier HTML autonome suffit pour partager le résultat. ## Installation Ouvrez votre terminal (ou l’invite de commande) et exécutez : ```bash pip install plotly ``` Si vous travaillez déjà dans un environnement Jupyter, vous pouvez aussi installer directement depuis une cellule : ```python !pip install plotly ``` ## Préparer les données Prenons un exemple du quotidien : l’évolution du nombre de pas quotidiens mesurés par un tracker fitness pendant un mois. Nous allons créer un petit tableau avec **pandas** pour illustrer le processus. ```python import pandas as pd import numpy as np # Simuler 30 jours de données np.random.seed(42) jours = pd.date_range(start='2024-03-01', periods=30, freq='D') pas = np.random.randint(3000, 12000, size=30) df = pd.DataFrame({'Date': jours, 'Pas': pas}) print(df.head()) ``` ## Créer un graphique linéaire interactif Voici le code minimal pour transformer ce tableau en graphique interactif : ```python import plotly.express as px fig = px.line(df, x='Date', y='Pas', title='Nombre de pas quotidien') fig.update_traces(mode='lines+markers') # Ajouter des points fig.update_layout(xaxis_title='Date', yaxis_title='Pas') fig.show() ``` ### Ce que vous voyez - **Zoom** : cliquez‑glissez sur la zone à examiner. - **Panoramique** : faites glisser le graphique pour le déplacer. - **Info-bulles** : en survolant un point, les valeurs exactes s’affichent. ## Exporter le graphique Vous pouvez sauvegarder le résultat sous forme de fichier HTML à partager : ```python fig.write_html('pas_mensuel.html') ``` Le fichier `pas_mensuel.html` peut être ouvert dans n’importe quel navigateur, envoyé par email ou intégré à un site web via une balise `