Thread by @TomFevrier

🕘🍿 Comment ai-je collecté et analysé les données des plus de 400 films sortis en 2022 au #9hdesHalles ? Et comment avons-nous abouti à une pleine page dans @LesEchosWeekEnd et sa déclinaison interactive sur le web ?

Plongée dans les coulisses d’un grand-format 🧵

Si vous l’avez raté ⬇️
media.lesechos.fr/infographie/9h…

Tout commence il y a quelques mois, quand je découvre l’existence de @debriefilm, un média qui partage sur Twitter les chiffres du #9hdesHalles, chaque semaine depuis près de 10 ans.

Je m’étais toujours interrogé sur cette séance mythique : était-elle vraiment capable de prédire le succès ou l’échec d’un film, ou bien n’était-ce qu’un rituel pour distributeurs anxieux ?

J’avais à présent des données à disposition pour tenter de répondre à cette question.

Première étape : récupérer le nombre d’entrées aux Halles de tous les films sortis en 2022.

Pour cela, pas le choix, il a fallu reporter à la main les chiffres, publiés sous forme de photo chaque semaine par @debriefilm 👇

Un travail qui ne prenait certes que quelques minutes par tweet... à multiplier par 52 semaines.

Ensuite, pour chacun de ces films, il a fallu collecter les chiffres du box-office. Pour ce faire, j’ai pu obtenir un accès aux données de @cboboxoffice, la base de données de référence des professionnel·le·s du cinéma.

Mais pas question de recopier à la main les chiffres pour plus de 400 films.

Heureusement, il est possible d’automatiser tout ça grâce au scraping. #Puppeteer, par exemple, permet de simuler un navigateur web et d’extraire des données précises d’une page avec du code.

C’est un peu magique et extrêmement satisfaisant (en vitesse réelle) 👇

Bien entendu, cela suppose de pouvoir associer correctement le titre d’un film avec sa page sur @cboboxoffice. Souvent assez triviale, ma tâche a été compliquée par quelques homonymes, variantes typographiques ou films sortis en 2022 mais produits les années précédentes.

A suivi une phase d’exploration, afin d’identifier des corrélations entre plusieurs indicateurs et de commencer à visualiser les données.

Exploration qui a pris la forme d’un notebook @observablehq ⬇️
observablehq.com/d/abbfa8d7d877…

Au passage, cela m’a donné l’occasion de tester la bibliothèque simple-data-analysis.js de @NaelShiab ⬇️
github.com/nshiab/simple-…

C’est lors de cette phase d’exploration que je me suis aperçu de l’importance du « coefficient Paris/province », et que certains genres de film, au public très parisien ou au contraire plébiscités en région, ne suivaient pas la tendance générale.

Rapidement, nous nous sommes aperçus avec @JulesGrandin que les valeurs extrêmes (#Avatar2, c’est 254 entrées aux Halles et 2,7 millions de spectateurs en 1ère semaine !) empêchaient de discerner visuellement une quelconque corrélation — du moins avec des échelles linéaires.

Nous avons alors eu l’idée de changer de perspective et de répartir les données en quantiles. On obtient un repère où plus un film est éloigné du centre, plus sa performance est inférieure ou supérieure à la médiane des autres films, pour le #9hdesHalles comme pour le box-office.

Quant à la couleur de chaque point, elle indique si la part du public habitant à Paris et sa périphérie est inférieure ou supérieure à la moyenne.

Il n’y a « plus » qu’à faire rentrer tout ça dans une double page, illustrée par un collage d’Alice Lagarde, et à monter un grand-format interactif en “scrollytelling” — permettant à l’internaute d’explorer facilement les données.

Et voilà le résultat, accompagné d’une enquête d’@AdrienGombeaud qui a échangé avec plusieurs distributeurs sur la « dimension rituelle » du #9hdesHalles ⬇️
media.lesechos.fr/infographie/9h…