Sortir du carcan géométrique

— English below —

Camarades cartographies, je reproduis ici un court article paru dans le numéro 27 de la revue Progressistes [voir] qui, à partir de maintenant, est dotée d’une rubrique « cartographie(s) ».

Grâce à l’ouverture des données, de nombreuses cartes ont vu le jour pendant le confinement pour représenter l’évolution du coronavirus en France. Mais peu d’entres elles ont essayé de s’affranchir d’un maillage administratif départemental ou régional qui enferme les données dans un carcan qui a finalement peu de sens au regard du phénomène représenté. Les cartes gouvernementales du déconfinement en sont un exemple éclatant [voir].

La carte que nous publions ici représente le nombre de décès liés à la covid-19 dans les hôpitaux, pondéré par la population des départements dans lesquels ils se trouvent. Une méthode d’interpolation spatiale fondée sur la distance permet alors de « dessiner » la donnée selon un gradient continu allant du noir (pour les faibles taux de mortalité, dans le Sud-Ouest) au jaune (pour les forts taux de mortalité, dans le Grand Est).

Si cette carte permet de percevoir d’un seul coup d’œil la géographie de l’épidémie, elle permet cependant mal d’en saisir l’ampleur, car les décès en EHPAD et en ville ne sont pas pris en compte. Cela dit, cette sous-estimation de la réalité n’empêche pas d’en appréhender la logique spatiale et son évolution dans le temps. Une version animée et mise à jour quotidiennement de la carte est d’ailleurs disponible en ligne [voir].

— English version —

Go Beyond Administrative Delineations

Comrades cartographers, I am reproducing here an article that was published in Progressistes #27 [see] which, from now on, has a « cartography » section.

Thanks to the opening of the data, many maps were created during the containment to represent the evolution of the coronavirus in France. But few of them have tried to avoid a departmental or regional administrative network that « encloses » the data in a structure that makes little sense in terms of the phenomenon represented. The government maps are a clear example of this [see].

The map we publish here represents the number of deaths related to covid-19 in hospitals, weighted by the population of the departments in which they are located. A spatial interpolation method based on distance then makes it possible to « draw » the data according to a continuous gradient from black (for low mortality rates, in the South-West) to yellow (for high mortality rates, in the North-East).

Although this map gives a snapshot of the geography of the epidemic, it does not give a good idea of the magnitude of the epidemic (e.g. deaths in retirement homes are not included). Nevertheless, this underestimation still allows us to understand its spatial logic and its evolution over time. An animated and daily updated version of the map is available online here [see].


Nicolas Lambert

Ingénieur de recherche CNRS en sciences de l'information géographique. Membre de l'UMS RIATE et du réseau MIGREUROP / CNRS research engineer in geographical information sciences. Member of UMS RIATE and the MIGREUROP network.

Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search