L’analyse territoriale multiscalaire

“Il est aussi dans l’idée que le commun est multisclaire : il y a des communs étagés à des différents niveaux territoriaux, qui se chevauchent, se recoupent partiellement ou totalement, s’affrontent, coexistent ou s’ignorent” (Frédéric Lordon, Imperium. Structures et affects des corps politiques, Paris, La Fabrique, 2015, 368 p.)

Camarades cartographes, je parle aujourd’hui de l’analyse territoriale multiscalaire (NdT multi-échelle). Kezako ?

En cartographie statistique, nous traitons des tableaux de données. Dans la majorité des cas, les lignes de ces tableaux correspondent aux unités spatiales (communes, départements, régions, pays) et les colonnes aux variables statistiques à représenter (nombre d’habitants, PIB, taux d’emploi, etc.). On le sait, un chiffre seul est difficilement interprétable. Que veut dire 154 ? 23 772 ? 1,3 ? Ce n’est que par la comparaison des chiffres entre eux qu’on peut y déceler un sens, une interprétation.  Pour cela, la carte permet de voir directement cette comparaison. La plupart du temps, nous réalisons donc des cartes directement à partir de ces données. Un taux de richesse des regions européennes sera par exemple cartographié par un aplat de couleur. Les regions plus riches que la moyennes seront par exemple représentées par des teintes rouges plus ou moins foncées, les régions moins riches que la moyennes par des teintes bleues. La carte ainsi dessiné permet, par comparaison des unités entre elles, de déceler une organisation spatiale de la richesse sur le territoire européen. Ici, l’espace de référence implicite est l’ensemble du territoire européen. Mais d’autres choix étaient possibles…

En effet, nous aurions pu choisir de comparer le niveau de richesse de chaque région non plus par rapport à la moyenne européenne, mais par rapport à la moyenne nationale. Ainsi, une région  française serait comparée à la valeur moyenne de l’ensemble régions françaises, une région allemande à la valeur moyenne de l’ensemble des régions allemandes. Avec le même procédé cartographique, nous aurions donc les régions les plus riches de leur pays représentées en rouge et les plus pauvres en bleu.

Selon la même logique, le niveau de richesse de ces même régions pourrait tout aussi bien s’appréhender selon un contexte local où chaque région serait comparée à ses régions voisines (régions contiguës, régions à moins d’une heure de transport, etc.)

Si on combine ces trois approches, chaque region peut donc être caractérisée par un niveau de richesse relatif selon trois contextes territoriaux différents (Europe, pays, voisins). Une région peut être riche ou pauvre à la fois localement, nationalement et globalement. Mais les situations peuvent aussi être contrastées. Une région peut  être riche dans un pays pauvre ou pauvre dans un pays riche, riche dans une zone pauvre ou pauvre dans une zone riche. etc. Une cartographie de la typologie de ces trois écarts, avec un jeu de couleurs pertinent (voir infra) permet alors de rendre compte simultanément des différents cas de figure. Cette méthode plutôt simple permet alors de faire cohabiter sur une même représentation, ces regards à différentes échelles.

Source : Nicolas Lambert & Christine Zanin, Manuel de cartographie, Armand Colin, 2016

Do it yourself

Développée initialement pour le logiciel HyperAtlas [voir], cette méthode est depuis peu disponible dans le langage R grace au package MTA [voir]. Dans ce package, en plus de la documentation expliquant comment effectuer les différents calculs, une vignette réalisée par Ronan Ysebaert basée sur les inégalités de revenu au sein du Grand Paris, vous expliquera les tenants et les aboutissants d’une telle méthode. Vous y découvrirez aussi des fonctions avancées (e.g. cartes de redistribution) que je ne détaille pas ici.

A vous de jouer 🙂