diff --git a/1er_visu_W3S.R b/1er_visu_W3S.R
new file mode 100644
index 0000000000000000000000000000000000000000..e4181224159b1b2166694fe6bbb466a19a39480a
--- /dev/null
+++ b/1er_visu_W3S.R
@@ -0,0 +1,50 @@
+library(corrplot)
+library(readr)
+library(dplyr)
+# Chargement des données depuis un fichier CSV
+setwd("C:/Users/User/Desktop/projet_visualisation")
+data <- read.csv("design_WS3.csv")
+
+
+
+# Conversion des variables catégoriques en numériques pour permettre le calcul des corrélations
+data_numeric <- data %>%
+  mutate(
+    condition = as.numeric(factor(condition)),  # Conversion des catégories en indices numériques
+    animal = as.numeric(factor(animal)),
+    experiment = as.numeric(as.Date(experiment, format="%d.%m.%Y")),  # Conversion en nombre
+    extraction = as.numeric(as.Date(extraction, format="%d.%m.%Y")),
+    sample = as.numeric(factor(sample))  # Ajout si sample est une variable catégorique
+  ) %>%
+  select(-sample)  # Suppression de sample si non pertinent pour la corrélation
+
+# Calcul de la matrice de corrélation (pearson)
+cor_matrix <- cor(data_numeric, method = "pearson")
+
+# figure de corrélation
+corrplot(cor_matrix, method = "circle", type = "lower",
+         tl.col = "black", tl.cex = 0.8,
+         col = colorRampPalette(c("blue", "white", "red"))(200))# Chargement des données depuis un fichier CSV
+data <- read.csv("design_WS3.csv")
+
+# Vérification de la structure des données
+str(data)
+
+# Conversion des variables catégoriques en numériques pour permettre le calcul des corrélations
+data_numeric <- data %>%
+  mutate(
+    condition = as.numeric(factor(condition)),  # Conversion des catégories en indices numériques
+    animal = as.numeric(factor(animal)),
+    experiment = as.numeric(as.Date(experiment, format="%d.%m.%Y")),  # Conversion en nombre
+    extraction = as.numeric(as.Date(extraction, format="%d.%m.%Y")),
+    sample = as.numeric(factor(sample))  # Ajout si sample est une variable catégorique
+  ) %>%
+  select(-sample)  # Suppression de sample si non pertinent pour la corrélation
+
+# Calcul de la matrice de corrélation
+cor_matrix <- cor(data_numeric, method = "pearson")
+
+# Génération de la figure de corrélation
+corrplot(cor_matrix, method = "circle", type = "lower",
+         tl.col = "black", tl.cex = 0.8,
+         col = colorRampPalette(c("blue", "white", "red"))(200))