Traitement d’images
Traitement d’images
Au-delà de la présentation des données qualitatives et quantitatives, une attention particulière doit être portée à l’utilisation des images numériques pour illustrer différentes conditions expérimentales. Les images doivent être considérées comme des données à part entière, et non comme de simples illustrations venant accompagner des statistiques synthétiques. Toute incohérence (par exemple, l’utilisation d’une même image pour illustrer des conditions expérimentales distinctes) ou toute modification sélective peut gravement compromettre la confiance des pairs dans vos travaux et justifier une correction, voire une rétractation de la publication. Cela est particulièrement critique dans les domaines des sciences biomédicales et biologiques, où les résultats reposent largement sur des technologies spécifiques (microscopie, western blot, cytométrie en flux (FACS), fluorescence, etc.).
Bonnes pratiques académiques lors du traitement et de la présentation d’images
Quelques bonnes pratiques générales à adopter lors du travail et de la présentation d’images sont :
- Des modifications telles que l’ajustement du contraste, de la luminosité et/ou de l’équilibre des couleurs peuvent être acceptables, mais uniquement si elles sont appliquées à l’ensemble de l’image et qu’elles ne compromettent pas une interprétation correcte des données.
- Les chercheurs doivent être en mesure de retracer et de justifier les ajustements effectués.
- La modification sélective d’une image, par exemple pour supprimer ou mettre en évidence certains éléments, est en règle générale inacceptable, même si elle vise à corriger une imperfection sans lien avec les données (par exemple retirer un cheveu, une empreinte digitale, etc.).
- Lorsque plusieurs images sont combinées dans un même champ, cette opération doit être clairement identifiable dans la présentation visuelle et explicitement mentionnée dans la légende. Par exemple, le découpage et l’assemblage de bandes dans un Western blot peut être toléré dans certains cas, mais seulement s’il est signalé de manière appropriée.
- Il convient de toujours conserver les images originales non modifiées et de n’appliquer les ajustements que sur une copie de l’original.
- Les chercheurs doivent être prêts à mettre à disposition les fichiers bruts des images, notamment pour les évaluateurs ou les lecteurs, par exemple en les fournissant en annexe ou via un dépôt de données en ligne.
- De nombreuses erreurs proviennent de la sélection accidentelle d’une image incorrecte ; une gestion rigoureuse des données constitue donc un élément essentiel pour prévenir ce type de problèmes.
- Lors de la création de figures, il est impératif de vérifier, puis de revérifier, que les bonnes images ont été sélectionnées. Dans cette optique, l’utilisation d’images factices (“placeholders”) est déconseillée.
Pour en savoir plus :
- The Office of Research Integrity (ORI): Online Learning Tool for Research Integrity and Image Processing.
- Rossner, M. and Yamada, K. (2004). What’s in a picture? The temptation of image manipulation.
- American Journal experts: Avoiding image fraud: 7 rules for editing images.
« Il peut être tentant de modifier sélectivement une image ou d’en insérer une qui n’est pas directement liée aux résultats, afin d’obtenir une illustration plus représentative de la moyenne des données ou de rendre une figure plus attrayante. Une telle pratique n’est toutefois pas acceptable. »
L’exemple ci-dessous illustre un cas où la même image de blot est utilisée à deux reprises pour représenter deux conditions expérimentales différentes :
(2016) BIK – Prévalence de la duplication inappropriée d’images dans les publications de recherche biomédicale – prépublication bioRxiv.
Bien qu’il puisse s’agir d’une erreur commise de bonne foi, cet exemple illustre à quel point il est facile de se tromper ou d’utiliser une image non pertinente. Dans le cas présent, le problème a pu être identifié car la même image était présentée à deux reprises. En revanche, si l’image n’avait été utilisée que pour illustrer une condition non liée, l’erreur n’aurait probablement pas été détectée.