{"id":9453,"date":"2026-10-14T18:02:31","date_gmt":"2026-10-14T18:02:31","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-creer-graphiques-lineaires-sas-exemples\/"},"modified":"2026-10-14T18:02:31","modified_gmt":"2026-10-14T18:02:31","slug":"comment-creer-graphiques-lineaires-sas-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-creer-graphiques-lineaires-sas-exemples","title":{"rendered":"Comment cr\u00e9er des graphiques lin\u00e9aires dans SAS (avec exemples)"},"content":{"rendered":"

La restitution visuelle des trajectoires temporelles et des dynamiques continues constitue l’un des piliers m\u00e9thodologiques de l’exploration de donn\u00e9es empiriques contemporaine. Dans les sciences biom\u00e9dicales, l’\u00e9pid\u00e9miologie, l’\u00e9conom\u00e9trie ou la sociologie quantitative, les chercheurs sont constamment confront\u00e9s \u00e0 la n\u00e9cessit\u00e9 de traduire des flux s\u00e9quentiels d’observations en synth\u00e8ses visuelles imm\u00e9diatement intelligibles, sans sacrifier l’int\u00e9grit\u00e9 analytique des mesures. Le graphique lin\u00e9aire, par sa capacit\u00e9 intrins\u00e8que \u00e0 mat\u00e9rialiser la continuit\u00e9 sous-jacente de ph\u00e9nom\u00e8nes ordonn\u00e9s, s’impose comme l’outil paradigmatique de cette transition entre la matrice num\u00e9rique brute et l’inf\u00e9rence cognitive. Au sein du progiciel SAS (Statistical Analysis System)<\/a>, la mise en \u0153uvre de ces repr\u00e9sentations s’est profond\u00e9ment transform\u00e9e au cours des deux derni\u00e8res d\u00e9cennies, \u00e9voluant d’une syntaxe graphique proc\u00e9durale rigide vers un mod\u00e8le d\u00e9claratif moderne et polyvalent.<\/p>\n

Historiquement domin\u00e9 par le module SAS\/GRAPH et son instruction GPLOT<\/code>, le paysage du traitement graphique sous SAS a \u00e9t\u00e9 radicalement m\u00e9tamorphos\u00e9 par l’av\u00e8nement du syst\u00e8me ODS Graphics et de la proc\u00e9dure PROC SGPLOT<\/code>. Cette derni\u00e8re fournit un cadre unifi\u00e9, robuste et remarquablement expressif, articul\u00e9 autour d’une logique en couches successives. Gr\u00e2ce \u00e0 l’instruction SERIES<\/code>, les statisticiens disposent d’un instrument d’une pr\u00e9cision chirurgicale pour configurer, moduler et enrichir des trac\u00e9s longitudinaux. Qu’il s’agisse de documenter la cin\u00e9tique d’un biomarqueur s\u00e9rique au cours d’un essai randomis\u00e9 contr\u00f4l\u00e9, de cartographier la volatilit\u00e9 d’indices macro\u00e9conomiques ou d’identifier des points de rupture au sein de s\u00e9ries chronologiques industrielles, la ma\u00eetrise de cette proc\u00e9dure s’av\u00e8re indispensable pour tout praticien de la donn\u00e9e soucieux de rigueur m\u00e9thodologique.<\/p>\n

Le pr\u00e9sent trait\u00e9 propose une analyse exhaustive des m\u00e9canismes conceptuels, syntaxiques et esth\u00e9tiques pr\u00e9sidant \u00e0 la cr\u00e9ation de graphiques lin\u00e9aires sous SAS. \u00c0 travers un parcours didactique rigoureux, chaque \u00e9tape du d\u00e9veloppement graphique sera diss\u00e9qu\u00e9e, depuis la restructuration matricielle des tables d’entr\u00e9e jusqu’\u00e0 l’exportation vectorielle conforme aux protocoles les plus stricts de l’\u00e9dition scientifique internationale. En explorant successivement les trac\u00e9s univari\u00e9s, les stratifications multigroupes, les doubles \u00e9chelles ordonn\u00e9es, ainsi que l’adjonction de mesures de variabilit\u00e9 probabiliste, ce manuel fournit les cl\u00e9s th\u00e9oriques et appliqu\u00e9es permettant de transformer des jeux de donn\u00e9es complexes en repr\u00e9sentations visuelles de haute pr\u00e9cision \u00e9ditoriale.<\/p>\n

1. Introduction aux repr\u00e9sentations graphiques longitudinales dans SAS<\/h2>\n

1.1 Importance de la visualisation s\u00e9quentielle en analyse de donn\u00e9es<\/h3>\n

L’exploration visuelle de s\u00e9quences ordonn\u00e9es r\u00e9pond \u00e0 une exigence \u00e9pist\u00e9mologique fondamentale : permettre au chercheur d’appr\u00e9hender la structure dynamique interne d’un ph\u00e9nom\u00e8ne avant toute formalisation stochastique formelle. Dans le cadre de l’analyse des s\u00e9ries temporelles, des processus stochastiques ou des \u00e9tudes de cohortes \u00e0 mesures r\u00e9p\u00e9t\u00e9es, le trac\u00e9 lin\u00e9aire remplit une fonction heuristique irrempla\u00e7able. Il permet d’identifier sans d\u00e9lai la pr\u00e9sence d’une composante tendancielle globale, qu’elle soit lin\u00e9aire, exponentielle ou asymptotique, tout en r\u00e9v\u00e9lant les oscillations p\u00e9riodiques, les instabilit\u00e9s saisonni\u00e8res et les ruptures structurelles soudaines cons\u00e9cutives \u00e0 un \u00e9v\u00e9nement exog\u00e8ne ou \u00e0 une intervention th\u00e9rapeutique cibl\u00e9e.<\/p>\n

La perception visuelle humaine poss\u00e8de des propri\u00e9t\u00e9s cognitives remarquables pour d\u00e9tecter la covariance spatio-temporelle et les discontinuit\u00e9s topologiques. En reliant par des segments continus des points d’observation discrets dispos\u00e9s le long d’un continuum temporel, le graphique lin\u00e9aire postule implicitement une hypoth\u00e8se de continuit\u00e9 du ph\u00e9nom\u00e8ne sous-jacent entre deux jalons m\u00e9triques. Cette extrapolation visuelle, lorsqu’elle est m\u00e9thodologiquement fond\u00e9e, facilite la comparaison intuitive entre les trajectoires pr\u00e9vues par des mod\u00e8les th\u00e9oriques et la dispersion effective des r\u00e9alisations empiriques.<\/p>\n

Il existe une profonde compl\u00e9mentarit\u00e9 entre la mod\u00e9lisation statistique inf\u00e9rentielle \u2014 telle que les mod\u00e8les lin\u00e9aires mixtes, les r\u00e9gressions \u00e0 coefficients variables ou les processus autor\u00e9gressifs int\u00e9gr\u00e9s \u2014 et la visualisation s\u00e9quentielle. Alors que les tests d’hypoth\u00e8ses et les tables de param\u00e8tres quantifient avec rigueur l’amplitude des effets et leur significativit\u00e9 statistique, ils \u00e9chouent souvent \u00e0 illustrer la cin\u00e9tique fine d’un profil individuel ou l’\u00e9mergence d’effets de seuil locaux. La visualisation longitudinale op\u00e8re ainsi comme un garde-fou m\u00e9thodologique contre les pi\u00e8ges de l’agr\u00e9gation aveugle et les conclusions erron\u00e9es tir\u00e9es de moyennes globales trompeuses.<\/p>\n

1.2 R\u00f4le de PROC SGPLOT dans l’\u00e9cosyst\u00e8me ODS Graphics<\/h3>\n

La transition de l’ancienne suite SAS\/GRAPH vers le syst\u00e8me contemporain ODS Graphics (Output Delivery System) repr\u00e9sente une avanc\u00e9e majeure dans l’histoire logicielle de SAS Institute. Les anciennes proc\u00e9dures, \u00e0 l’instar de PROC GPLOT<\/code>, contraignaient les analystes \u00e0 manipuler des d\u00e9clarations globales lourdes (instructions SYMBOL<\/code>, AXIS<\/code>, LEGEND<\/code>) dont la persistance en m\u00e9moire entra\u00eenait de fr\u00e9quents effets de bord. L’\u00e9mergence des proc\u00e9dures statistiques graphiques, incarn\u00e9es au premier chef par PROC SGPLOT<\/code>, a instaur\u00e9 un paradigme d\u00e9claratif hautement standardis\u00e9, modulaire et totalement d\u00e9coupl\u00e9 de la gestion bas niveau des pilotes d’affichage d’ancienne g\u00e9n\u00e9ration.<\/p>\n

Au c\u0153ur de l’\u00e9cosyst\u00e8me ODS Graphics, PROC SGPLOT<\/code> interagit directement avec les moteurs de rendu analytiques du syst\u00e8me. Cette architecture permet de g\u00e9n\u00e9rer des sorties graphiques dont la r\u00e9solution typographique, l’\u00e9talonnage colorim\u00e9trique et l’\u00e9quilibrage des marges s’ajustent automatiquement en fonction des destinations de sortie s\u00e9lectionn\u00e9es (HTML, PDF, RTF ou documents vectoriels). Les styles ODS int\u00e9gr\u00e9s \u2014 tels que HTMLBlue<\/em>, Journal<\/em> ou Statistical<\/em> \u2014 garantissent une homog\u00e9n\u00e9it\u00e9 formelle remarquable, r\u00e9pondant d’embl\u00e9e aux chartes graphiques des \u00e9diteurs scientifiques internationaux et des instances r\u00e9glementaires sanitaires comme la Food and Drug Administration (FDA) ou l’Agence Europ\u00e9enne des M\u00e9dicaments (EMA).<\/p>\n

En outre, la compacit\u00e9 syntaxique de PROC SGPLOT<\/code> n’ob\u00e8re en rien son potentiel de personnalisation avanc\u00e9e. L’instruction permet de composer des figures stratifi\u00e9es complexes en superposant des primitives graphiques ind\u00e9pendantes \u00e0 l’int\u00e9rieur d’un canevas cart\u00e9sien unique. Cette modularit\u00e9 lib\u00e8re l’utilisateur de la programmation fastidieuse de coordonn\u00e9es absolues : le compilateur graphique interne optimise dynamiquement la gestion des collisions d’\u00e9tiquettes, le calibrage des intervalles d’axes et l’implantation contextuelle des cl\u00e9s de l\u00e9gende.<\/p>\n

\"\"<\/figure>\n

1.3 Distinction conceptuelle entre nuages de points et diagrammes lin\u00e9aires<\/h3>\n

La distinction op\u00e9r\u00e9e entre un nuage de points g\u00e9n\u00e9r\u00e9 par l’instruction SCATTER<\/code> et une courbe s\u00e9quentielle produite par l’instruction SERIES<\/code> rel\u00e8ve de choix \u00e9pist\u00e9mologiques et s\u00e9miologiques cruciaux. Le diagramme de dispersion (scatter plot) traite chaque observation comme un couple de coordonn\u00e9es num\u00e9riques autonomes, sans pr\u00e9juger d’un quelconque ordonnancement directionnel reliant les points les uns aux autres. Il est l’instrument de pr\u00e9dilection pour \u00e9valuer la corr\u00e9lation brute, la densit\u00e9 bivari\u00e9e ou la partition h\u00e9t\u00e9rog\u00e8ne de donn\u00e9es transversales ind\u00e9pendantes et identiquement distribu\u00e9es.<\/p>\n

\u00c0 l’inverse, l’instruction SERIES<\/code> mat\u00e9rialise une connexion orient\u00e9e d’un sommet \u00e0 un autre, instaurant une relation d’ordre strict le long de l’abscisse. Ce trac\u00e9 lin\u00e9aire postule l’existence d’une d\u00e9pendance structurelle ou d’un flux sous-jacent : le point d’indice t<\/em> est m\u00e9thodologiquement li\u00e9 au point d’indice t+1<\/em> par le passage du temps ou par la progression monotone d’une variable m\u00e9trique d’exposition. Tracer une ligne entre deux observations n’est donc pas une simple coquetterie esth\u00e9tique, mais une d\u00e9claration explicite sur la nature interpolable du processus \u00e9tudi\u00e9.<\/p>\n

Par cons\u00e9quent, employer une instruction SERIES<\/code> sur des donn\u00e9es non ordonn\u00e9es ou sur des variables cat\u00e9gorielles nominales constitue une faute m\u00e9thodologique majeure, susceptible de sugg\u00e9rer des tendances fictives l\u00e0 o\u00f9 ne r\u00e9sident que des contrastes discrets. Le recours conjoint aux instructions SCATTER<\/code> et SERIES<\/code> au sein d’un m\u00eame bloc de code offre toutefois une synth\u00e8se analytique f\u00e9conde : il permet de rendre visibles simultan\u00e9ment les mesures empiriques observ\u00e9es (via les marqueurs discrets) et la cin\u00e9tique de raccordement th\u00e9orique ou s\u00e9quentiel qui les unifie.<\/p>\n

2. Fondements syntaxiques de PROC SGPLOT et de l’instruction SERIES<\/h2>\n

2.1 Architecture g\u00e9n\u00e9rale de la proc\u00e9dure PROC SGPLOT<\/h3>\n

L’architecture fondamentale de PROC SGPLOT<\/code> repose sur une syntaxe compacte et modulaire, pens\u00e9e selon le concept de superposition en couches (layers). L’invocation de la proc\u00e9dure d\u00e9bute imp\u00e9rativement par la sp\u00e9cification du jeu de donn\u00e9es source au moyen de l’option DATA=<\/code>, pointant vers une table SAS temporaire de la biblioth\u00e8que WORK<\/code> ou une table permanente r\u00e9sidant dans une librairie d\u00e9di\u00e9e. Cette liaison univoque assure que toutes les instructions graphiques subs\u00e9quentes s’abreuvent \u00e0 la m\u00eame source relationnelle de variables.<\/p>\n

\u00c0 l’int\u00e9rieur du bloc encadr\u00e9 par PROC SGPLOT<\/code> et le terminateur canonique RUN;<\/code>, le programmeur empile s\u00e9quentiellement les d\u00e9clarations graphiques. Chaque instruction interne correspond \u00e0 un type de trac\u00e9 \u00e9l\u00e9mentaire : diagrammes en barres (VBAR<\/code>, HBAR<\/code>), nuages de points (SCATTER<\/code>), histogrammes (HISTOGRAM<\/code>) ou courbes continues (SERIES<\/code>). L’ordre d’\u00e9criture de ces instructions d\u00e9termine leur profondeur de superposition (ordre Z) sur le canevas final, la premi\u00e8re instruction r\u00e9dig\u00e9e \u00e9tant dessin\u00e9e \u00e0 l’arri\u00e8re-plan, tandis que les instructions ult\u00e9rieures viennent se greffer au premier plan.<\/p>\n

Cette structure s’ach\u00e8ve par l’instruction QUIT;<\/code> ou RUN;<\/code>, qui d\u00e9clenche la compilation syntaxique, l’ex\u00e9cution des calculs d’\u00e9chelle sous-jacents et l’injection du rendu final dans le flux ODS actif. L’absence de points-virgules interm\u00e9diaires ou la confusion entre options de proc\u00e9dure et options d’instructions sp\u00e9cifiques figurent parmi les anomalies syntaxiques les plus couramment rencontr\u00e9es par les n\u00e9ophytes, d’o\u00f9 la n\u00e9cessit\u00e9 d’une rigueur absolue dans la d\u00e9limitation des blocs logiques.<\/p>\n

2.2 Param\u00e9trage obligatoire de l’instruction SERIES<\/h3>\n

Au sein de l’arsenal syntaxique de PROC SGPLOT<\/code>, l’instruction SERIES<\/code> n\u00e9cessite une d\u00e9claration minimale de deux arguments obligatoires assignant respectivement les dimensions horizontales et verticales du plan cart\u00e9sien. L’argument X=<\/code> d\u00e9finit la variable ind\u00e9pendante qui structurera l’abscisse. Il s’agit le plus fr\u00e9quemment d’une grandeur temporelle (dates SAS, heures, num\u00e9ros de cycle exp\u00e9rimental ou intervalles de suivi) ou d’une \u00e9chelle de concentration m\u00e9trique strictement ordonn\u00e9e.<\/p>\n

L’argument Y=<\/code> d\u00e9signe, quant \u00e0 lui, la variable d\u00e9pendante ou r\u00e9ponse quantitative dont on d\u00e9sire cartographier la trajectoire. Cette variable doit imp\u00e9rativement \u00eatre de nature num\u00e9rique continue. Le compilateur graphique relie les points d\u00e9finis par les coordonn\u00e9es (X, Y) au moyen de segments rectilignes, suivant l’ordre physique d’apparition des lignes dans la table de donn\u00e9es sous-jacente, sauf param\u00e9trage sp\u00e9cifique contraire. Ainsi, la d\u00e9claration syntaxique \u00e9l\u00e9mentaire s’\u00e9nonce sous la forme prototypique :<\/p>\n

proc sgplot data=bibliotheque.source;
\n    series x=temps y=mesure;
\nrun;<\/code><\/p>\n

Une pr\u00e9condition m\u00e9thodologique absolue r\u00e9side dans le tri pr\u00e9alable des donn\u00e9es. Si les observations ne sont pas rigoureusement agenc\u00e9es selon l’ordre croissant de la variable assign\u00e9e \u00e0 X=<\/code>, la trajectoire lin\u00e9aire subira des allers-retours d\u00e9sordonn\u00e9s, tra\u00e7ant une toile de segments entrecrois\u00e9s illisible, improprement qualifi\u00e9e de \u00ab trac\u00e9 en zigzag \u00bb ou \u00ab pelote de fil \u00bb. L’application syst\u00e9matique d’une \u00e9tape PROC SORT<\/code> en amont de toute invocation de l’instruction SERIES<\/code> constitue par cons\u00e9quent une r\u00e8gle de programmation non n\u00e9gociable.<\/p>\n

2.3 Gestion de l’environnement d’ex\u00e9cution graphique ODS<\/h3>\n

L’environnement dans lequel s’ex\u00e9cute PROC SGPLOT<\/code> est gouvern\u00e9 par l’instruction globale ODS GRAPHICS<\/code>, qui agit comme le chef d’orchestre des param\u00e8tres mat\u00e9riels et g\u00e9om\u00e9triques de la production visuelle. Avant d’ex\u00e9cuter la proc\u00e9dure proprement dite, il est d’usage d’initialiser ou de r\u00e9initialiser cet environnement afin d’\u00e9viter la persistance d’options r\u00e9siduelles h\u00e9rit\u00e9es d’ex\u00e9cutions ant\u00e9rieures. La commande ODS GRAPHICS ON;<\/code> garantit l’activation pleine et enti\u00e8re du moteur vectoriel moderne de SAS.<\/p>\n

Parmi les commutateurs majeurs de l’instruction ODS GRAPHICS<\/code> figurent les dimensions spatiales explicites de la zone de tra\u00e7age. Les options WIDTH=<\/code> et HEIGHT=<\/code> permettent d’imposer des contraintes dimensionnelles pr\u00e9cises, mesur\u00e9es en centim\u00e8tres (cm<\/code>), millim\u00e8tres (mm<\/code>), pouces (in<\/code>) ou pixels (px<\/code>), neutralisant ainsi les redimensionnements dynamiques impr\u00e9visibles li\u00e9s aux \u00e9crans utilisateurs. Par exemple, la commande ODS GRAPHICS \/ WIDTH=16cm HEIGHT=10cm IMAGENAME=\"Figure1\" RESET=INDEX;<\/code> standardise le ratio d’aspect selon les crit\u00e8res des formats \u00e9ditoriaux de type demi-page.<\/p>\n

Un autre attribut critique r\u00e9side dans la gestion de la nettet\u00e9 et de l’anticr\u00e9nelage (antialiasing). Gr\u00e2ce \u00e0 l’option ANTIALIAS=ON<\/code> et ANTIALIASMAX=<\/code>, le moteur ODS Graphics applique des algorithmes d’interpolation sous-pixel aux segments de droite et aux glyphes typographiques, lissant les asp\u00e9rit\u00e9s d’escalier inh\u00e9rentes aux affichages matriciels basse r\u00e9solution. Ce param\u00e9trage soign\u00e9 en amont de la proc\u00e9dure assure une restitution visuelle d’une puret\u00e9 cristalline, indispensable pour les pr\u00e9sentations professionnelles et les revues \u00e0 fort facteur d’impact.<\/p>\n

3. Cr\u00e9ation d’un graphique lin\u00e9aire univari\u00e9 simple<\/h2>\n

3.1 Pr\u00e9paration et structuration d’un jeu de donn\u00e9es exp\u00e9rimental<\/h3>\n

Pour illustrer les principes fondamentaux du trac\u00e9 lin\u00e9aire univari\u00e9, nous mod\u00e9lisons une \u00e9tude pharmacocin\u00e9tique simplifi\u00e9e mesurant l’\u00e9volution de la concentration plasmatique d’un principe actif chez un sujet sain au fil des heures suivant l’administration per os. La structuration de ce jeu de donn\u00e9es requiert une \u00e9tape DATA<\/code> claire, associant des valeurs temporelles discr\u00e8tes \u00e0 une s\u00e9rie continue de concentrations calcul\u00e9es en microgrammes par millilitre.<\/p>\n

L’\u00e9tape DATA SAS se d\u00e9ploie via la commande INPUT<\/code> suivie de l’instruction DATALINES<\/code> (ou CARDS<\/code>), permettant d’injecter directement la matrice empirique au sein du flux de code :<\/p>\n

data work.pharmacocinetique;
\n    input Temps_Heures Concentration_ug_ml;
\n    datalines;
\n0.0  0.00
\n0.5  2.15
\n1.0  5.80
\n1.5  8.90
\n2.0  9.45
\n3.0  7.60
\n4.0  5.20
\n6.0  2.85
\n8.0  1.40
\n12.0 0.35
\n16.0 0.08
\n24.0 0.01
\n;
\nrun;<\/code><\/p>\n

Une bonne pratique de validation m\u00e9thodologique impose de s’assurer de l’int\u00e9grit\u00e9 de la table r\u00e9sultante avant toute tentative de mod\u00e9lisation visuelle. L’ex\u00e9cution de la proc\u00e9dure PROC PRINT DATA=work.pharmacocinetique; RUN;<\/code> permet de contr\u00f4ler l’absence de valeurs aberrantes, de troncatures inopin\u00e9es ou de valeurs manquantes non d\u00e9sir\u00e9es au sein des colonnes num\u00e9riques.<\/p>\n

3.2 G\u00e9n\u00e9ration de la courbe de base sans options secondaires<\/h3>\n

La g\u00e9n\u00e9ration du trac\u00e9 minimal s’op\u00e8re par l’invocation directe de PROC SGPLOT<\/code>, en assignant Temps_Heures<\/code> \u00e0 l’abscisse et Concentration_ug_ml<\/code> \u00e0 l’ordonn\u00e9e, sans enrichissement stylistique accessoire :<\/p>\n

proc sgplot data=work.pharmacocinetique;
\n    series x=Temps_Heures y=Concentration_ug_ml;
\nrun;<\/code><\/p>\n

\u00c0 l’ex\u00e9cution de cette requ\u00eate, le moteur graphique de SAS prend en charge de fa\u00e7on totalement autonome le calibrage initial. Il scrute la distribution des valeurs num\u00e9riques pour d\u00e9terminer les bornes optimales des axes, calcule le pas d’incr\u00e9mentation le plus lisible, applique la palette chromatique par d\u00e9faut du style ODS en vigueur (typiquement un bleu corporate soutenu pour le style HTMLBlue<\/em>) et dimensionne la ligne selon une \u00e9paisseur standard d’un pixel et demi.<\/p>\n

Bien que cette configuration basique offre une visibilit\u00e9 instantan\u00e9e sur la cin\u00e9tique du compos\u00e9 \u2014 r\u00e9v\u00e9lant une phase d’absorption rapide culminant vers la deuxi\u00e8me heure, suivie d’une \u00e9limination biexponentielle \u2014, sa sobri\u00e9t\u00e9 confine \u00e0 l’aust\u00e9rit\u00e9. Les libell\u00e9s d’axes sont directement d\u00e9riv\u00e9s des noms physiques des variables, sans unit\u00e9s formelles, et l’absence d’indication ponctuelle sur les moments exacts de pr\u00e9l\u00e8vement laisse le lecteur dans l’incertitude quant \u00e0 la densit\u00e9 r\u00e9elle de l’\u00e9chantillonnage exp\u00e9rimental.<\/p>\n

3.3 Interpr\u00e9tation des \u00e9l\u00e9ments graphiques fondamentaux<\/h3>\n

L’observation critique de ce graphique primaire met en lumi\u00e8re la m\u00e9canique algorithmique de SAS. Sur l’axe des abscisses, le moteur a automatiquement g\u00e9n\u00e9r\u00e9 des graduations r\u00e9guli\u00e8res espac\u00e9es de cinq heures, adapt\u00e9es \u00e0 l’intervalle d’observation global allant de 0 \u00e0 24 heures. Sur l’axe des ordonn\u00e9es, la graduation s’\u00e9tend naturellement de 0 \u00e0 10 microgrammes par millilitre, absorbant la valeur maximale observ\u00e9e (9,45 ug\/ml) tout en offrant une marge de respiration visuelle au sommet du trac\u00e9.<\/p>\n

Les coordonn\u00e9es cart\u00e9siennes de chaque point du tableau sont converties en pixels d’affichage selon une transformation affine lin\u00e9aire rigoureuse. Chaque segment relie deux paires successives de coordonn\u00e9es spatiales par le plus court chemin euclidien. Toutefois, cette interpolation lin\u00e9aire brute entre des points distants (par exemple entre la 16e et la 24e heure) masque l’\u00e9ventuelle convexit\u00e9 r\u00e9elle de la cin\u00e9tique biologique durant cet intervalle.<\/p>\n

L’analyse de ces conventions par d\u00e9faut d\u00e9montre que, si PROC SGPLOT<\/code> produit imm\u00e9diatement des figures scientifiquement coh\u00e9rentes, l’intervention experte de l’analyste demeure incontournable pour transmuter un simple trac\u00e9 exploratoire en un support de communication conforme aux normes de publication acad\u00e9mique les plus strictes.<\/p>\n

\"\"<\/figure>\n

4. Personnalisation avanc\u00e9e de l’apparence de la ligne<\/h2>\n

4.1 Modification des attributs chromatiques et g\u00e9om\u00e9triques<\/h3>\n

L’esth\u00e9tique visuelle d’un trac\u00e9 lin\u00e9aire sous PROC SGPLOT<\/code> ne rel\u00e8ve pas de la superficialit\u00e9 cosm\u00e9tique, mais conditionne directement l’efficacit\u00e9 de la transmission de l’information. L’option pivot pour moduler l’aspect de la courbe est l’argument composite LINEATTRS=(...)<\/code>, ins\u00e9r\u00e9 directement apr\u00e8s la barre oblique d\u00e9limitant les options au sein de l’instruction SERIES<\/code>. Cet argument centralise le contr\u00f4le de la couleur, de l’\u00e9paisseur g\u00e9om\u00e9trique et du motif structurel du trait.<\/p>\n

Le param\u00e8tre COLOR=<\/code> permet de sp\u00e9cifier l’identit\u00e9 chromatique du trac\u00e9 en s’appuyant soit sur la nomenclature normalis\u00e9e des couleurs SAS (telles que CX1B4F72<\/em>, Navy<\/em>, ForestGreen<\/em>, DarkRed<\/em>), soit sur l’utilisation directe du codage hexad\u00e9cimal universel au format RVB (pr\u00e9c\u00e9d\u00e9 de la cha\u00eene CX<\/code> sous SAS, comme COLOR=CX2C3E50<\/code>). Le choix d’une teinte doit r\u00e9pondre \u00e0 des crit\u00e8res d’ergonomie cognitive : les teintes froides et sombres renforcent l’impression d’autorit\u00e9 et de pr\u00e9cision factuelle, tandis que les teintes satur\u00e9es vives permettent de d\u00e9tacher une s\u00e9rie critique au sein d’un faisceau de courbes t\u00e9moins.<\/p>\n

Simultan\u00e9ment, l’argument THICKNESS=<\/code> quantifie la masse graphique de la ligne. Exprim\u00e9 en pixels (par exemple THICKNESS=2PX<\/code> ou 3PX<\/code>) ou en points d’\u00e9dition typographique (THICKNESS=1.5PT<\/code>), ce param\u00e8tre doit \u00eatre ajust\u00e9 en fonction de la r\u00e9solution finale vis\u00e9e et du nombre de s\u00e9ries superpos\u00e9es. Un trait d’une \u00e9paisseur de 2.5 points procure une pr\u00e9sence visuelle remarquable pour une courbe isol\u00e9e, emp\u00eachant son effacement lors de la conversion matricielle ou de l’impression sur support physique.<\/p>\n

4.2 S\u00e9lection des motifs de ligne pour l’impression scientifique<\/h3>\n

Dans le champ de l’\u00e9dition scientifique internationale, la d\u00e9pendance exclusive \u00e0 la couleur pour discriminer des trajectoires constitue une entorse reconnue aux principes d’accessibilit\u00e9 universelle et p\u00e9nalise l’impression en niveaux de gris (monochrome). L’argument PATTERN=<\/code> au sein de LINEATTRS=<\/code> apporte une solution m\u00e9thodologique p\u00e9renne en introduisant des variations morphologiques structur\u00e9es sur le trac\u00e9.<\/p>\n

SAS met \u00e0 disposition un riche r\u00e9pertoire de motifs codifi\u00e9s sous forme nominale ou num\u00e9rique. Les motifs primaires comprennent :<\/p>\n