Les boîtes à moustaches sont des diagrammes simples mais efficaces pour résumer et visualiser la distribution des données continues. Bien qu'il s'agisse d'une méthode efficace pour l'analyse exploratoire des données, les boîtes à moustaches traditionnelles de Tukey sont sensibles aux données asymétriques et peuvent identifier à tort de nombreuses observations comme des valeurs aberrantes potentielles. Or les données environnementales sont souvent asymétriques et peuvent contenir des données censurées à gauche, avec certaines valeurs inférieures aux limites analytiques de détection. Ces caractéristiques compliquent l'application des boîtes à moustaches traditionnelles pour la visualisation des données. Ici, nous évaluons l'identification des valeurs aberrantes par des boîtes à moustaches traditionnelles et modifiées. Nous construisons des boîtes à moustaches à l'aide de l'estimateur de Kaplan-Meier, à partir d'ensembles de données simulés par Monte Carlo couvrant une gamme de petits à moyens échantillons, imitant des données environnementales réelles. Les simulations sont dérivées de distributions symétriques, asymétriques à gauche, et asymétriques à droite, et sont soumises à une censure à gauche uniforme et non uniforme. Les résultats permettront de mieux comprendre l'utilité des boîtes à moustaches pour les données non conventionnelles.