@Nico S

Je ne suis que très modérément fan de David McCandless, mais l'infographie dont vous donnez le lien, certainement une de ses réalisations les plus populaires, est celle que j'abhorre le plus.
Je la donne souvent en exemple à ne pas suivre: comment travestir l'essentiel en jouant la clarté et en feignant la transparence.

Deux failles majeures diminuent l'intérêt que ces données pourraient potentiellement présenter dans le débat qui nous intéresse :

1—Le « nombre de lignes » de code est peu informatif au regard du degré très hétéroclite de complexité des données présentées.
Pour que la comparaison soit valable, il faudrait rendre les variables commensurables à une base commune. Par exemple, en convertissant les codes comparés en un même langage.
On en jaugerait le degré d'informativité moyennant des mesures de complexité définies, telles que la complexité de Kolmogorov (élégante mathématiquement, délicate à manier) ou la complexité de Halstead.
https://en.m.wikipedia.org/wiki/Kolmogorov_complexity
Un exemple clin d'oeil :
https://xkcd.com/1155/

Sans une telle mesure commune de l'information, on risquerait de comparer du charabia et une équation en se basant uniquement sur le nombre de caractères en présence.

2—La deuxième faille majeure est l'absence d'uniformité d'échelle.
Je vois bien d'où McCandless tire son inspiration — "Powers of Ten", de Charles et Ray Eames. Mais si les données suivent une distribution approximativement logarithmique (en réalité hypergéométrique, mais peu importe), les sauts d'intervalle de l'infographie n'en rendent pas compte. Sans avoir une idée préalable des échelles en jeu, impossible de saisir d'emblée la vraie variabilité des tailles comparées. Une simple transformation de puissance aurait clarifié les ordres de grandeur. Mais il eût fallu pour cela vouloir faire vrai : expliquer, au lieu de faire joli.