ChatGPT-4 reproduit l'animation GapMinder en une seule tentative

J'ai demandé à GPT-4 de recréer la célèbre animation GapMinder de feu Hans Rosling, qui représente l'espérance de vie en fonction du PIB par habitant. J'ai utilisé une simple invite : "Générer du code pour montrer les capacités d'animation de R en utilisant le jeu de données gapminder. Les pays doivent être identifiés par un code pays de 3 lettres".

J'ai même fait une faute de frappe dans l'invite, mais GPT-4 ne s'en est pas ému.

Et ça a marché ! Après une seule tentative. Les pays bublles sont étiquetés avec un code de trois lettres, les légendes sont en place. C'est génial.

J'ai ensuite demandé quelle était votre interprétation des données. 

En ce qui concerne l'interprétation des données par le GPT-4, voici sa réponse :

I : Quelle est votre interprétation des données de l'ensemble de données gapminder ? Plus précisément, celle de l'espérance de vie et du PIB par habitant de 1952 à 2007. Fournissez votre analyse pour chaque continent

GPT-4 : L'ensemble de données gapminder fournit des informations sur l'espérance de vie, le PIB par habitant et la population de différents pays entre 1952 et 2007. Sur la base de ces données, nous pouvons faire quelques observations générales pour chaque continent :

Asie :

Dans l'ensemble, l'espérance de vie a augmenté au fil des ans. Toutefois, il existe d'importantes variations entre les pays, certains pays comme le Japon ayant une espérance de vie beaucoup plus élevée que d'autres, comme l'Afghanistan.

Le PIB par habitant a également augmenté, mais il existe d'énormes disparités entre les pays. Les pays les plus riches, comme le Japon, la Corée du Sud et certains pays du Golfe, ont connu une croissance économique rapide, tandis que d'autres pays sont restés relativement pauvres.

L'Afrique :

L'espérance de vie a généralement augmenté, mais le taux d'amélioration a été plus lent que sur les autres continents, et de nombreux pays ont encore une espérance de vie relativement faible.

La croissance du PIB par habitant a été inégale, certains pays connaissant des périodes de croissance économique et d'autres étant confrontés à la stagnation ou au déclin. Dans l'ensemble, les pays africains ont tendance à avoir un PIB par habitant inférieur à celui des autres continents.

L'Europe :

L'espérance de vie a constamment augmenté sur le continent, les pays d'Europe occidentale ayant généralement une espérance de vie plus élevée que les pays d'Europe de l'Est.

Le PIB par habitant a également augmenté au fil du temps, les pays d'Europe occidentale affichant généralement des niveaux de PIB par habitant plus élevés que leurs homologues d'Europe de l'Est. La chute de l'Union soviétique a entraîné une transition économique et une croissance pour de nombreux pays d'Europe de l'Est.

Amérique du Nord :

L'espérance de vie a augmenté de manière constante aux États-Unis et au Canada, bien que le rythme de l'amélioration se soit quelque peu ralenti ces dernières années.

Le PIB par habitant a également augmenté au fil du temps, les États-Unis et le Canada figurant parmi les pays les plus riches du monde. La croissance a été plus cohérente et plus régulière que sur les autres continents.

Amérique du Sud :

L'espérance de vie a généralement augmenté au fil des ans et la plupart des pays ont vu leur niveau de vie s'améliorer.

Le PIB par habitant a augmenté, mais le taux de croissance a été inégal d'un pays à l'autre. Certains pays, comme le Chili et l'Argentine, ont connu des périodes de croissance économique rapide, tandis que d'autres ont été confrontés à des crises économiques et à la stagnation.

Océanie :

L'espérance de vie a augmenté de façon constante en Australie et en Nouvelle-Zélande, deux pays qui jouissent d'un niveau de vie élevé.

Le PIB par habitant a également augmenté au fil du temps, les deux pays étant relativement riches par rapport à d'autres régions.

En résumé, l'ensemble des données gapminder montre que l'espérance de vie a généralement augmenté sur tous les continents entre 1952 et 2007, reflétant les améliorations en matière de soins de santé, de niveau de vie et d'autres facteurs. Toutefois, la croissance du PIB par habitant a été inégale, certains pays et régions connaissant une croissance économique rapide et d'autres étant confrontés à des défis tels que la pauvreté, l'inégalité et l'instabilité économique.

TL,DR

Le groupe GPT-4 a assez bien analysé les données, affirmant qu'il existe une tendance à l'allongement de l'espérance de vie et à l'augmentation des revenus, mais que certains continents ont une tendance plus stable que les autres. Il a également fait une distinction entre la vitesse d'amélioration des pays d'Europe de l'Est et d'Europe de l'Ouest.

Voici le code complet que ChatGPT-4 a écrit :

# Install packages (if not already installed)
if (!requireNamespace("ggplot2", quietly = TRUE)) {
install.packages("ggplot2")
}
if (!requireNamespace("dplyr", quietly = TRUE)) {
install.packages("dplyr")
}
if (!requireNamespace("gganimate", quietly = TRUE)) {
install.packages("gganimate")
}
if (!requireNamespace("gapminder", quietly = TRUE)) {
install.packages("gapminder")
}


if (!requireNamespace("countrycode", quietly = TRUE)) {
install.packages("countrycode")
}


# Load packages
library(ggplot2)
library(dplyr)
library(gganimate)
library(gapminder)
library(countrycode)

# Prepare the dataset
gapminder_data <- gapminder %>%
mutate(country_code = countrycode(country, "country.name", "iso3c")) %>%
filter(!is.na(country_code))

# Create the plot
p <- ggplot(gapminder_data, aes(x = gdpPercap, y = lifeExp, size = pop, color = continent, frame = year, group = country_code)) +
geom_point() +
scale_x_log10() +
labs(title = "Year: {frame_time}", x = "GDP per capita", y = "Life expectancy") +
theme_minimal() +
geom_text(aes(label = country_code), hjust = 1.2, vjust = 0.5, size = 2.5, check_overlap = TRUE) +
transition_time(year) +
ease_aes('linear')

# Display the animated plot
animate(p, nframes = 100, end_pause = 20, width = 800, height = 600, renderer = gifski_renderer())