Article

Précautions de lecture et méthodologie de l’étude « Centralités : comment les identifier et quels rôles dans les dynamiques locales et intercommunales ? »

Ajouter à mes favoris

Précaution de lecture

Les traitements statistiques réalisés visent à synthétiser de grandes masses d’informations. Les résultats obtenus se réfèrent à l’ensemble des commerces et services utilisés dans l’analyse. Il est donc important de garder à l’esprit qu’il ne faut pas comparer les résultats finaux à ceux d’un équipement pris séparément.

L’identification des quatre niveaux de centralité s’opère en fonction de la ressemblance statistique des communes sur plusieurs commerces et services. Par exemple, un centre caractérisé par la présence d’un commerce ou service exceptionnel, comme un hypermarché ou une clinique, peut se retrouver dans un niveau avec un panier d’équipements nettement inférieur du fait de sa ressemblance avec les centres de ce niveau sur la grande majorité des autres commerces et services. Il est donc peu pertinent de considérer l’appartenance à un niveau de centralité par un équipement pris isolément.

Méthodologie

Choix de la commune comme maille spatiale de référence

Le comité d’orientation de l’étude a validé le choix de la commune comme maille de référence. La maille unité urbaine, bien qu’utilisée par l’INSEE pour définir les pôles urbains et les pôles de services, n’a pas été retenue pour identifier une centralité. En effet, ce recours reviendrait à considérer que le regroupement de communes, constituant l’unité urbaine, correspond à une centralité unique. Ce principe met de côté la possibilité, rencontrée sur le terrain, de différencier une centralité principale et des centralités secondaires, avec une répétition des fonctions ou la présence de fonctions spécifiques complémentaires dans différentes communes. L’utilisation de l’unité urbaine comme maille a pour conséquence d’attribuer la fonction de centralité à la commune la plus importante de l’unité urbaine, la commune ville-centre, en lui agrégeant toutes les caractéristiques économiques des communes de la banlieue. Cela n’est pas gênant lorsqu’une unité urbaine est constituée d’une ville-centre bien équipée et de petites communes de banlieue principalement résidentielles. En revanche, cette approche est insatisfaisante dans le cas des grandes unités urbaines. Par exemple, on dénombre 429 communes pour l’agglomération de Paris, 136 pour Lyon, 65 pour Aix-Marseille, 59 pour Lille, 67 pour Douai-Lens, etc. Si les fonctions de centralité des unités urbaines étaient attribuées à leur seule ville-centre, de nombreuses villes de banlieue qui ont un rôle de centralité fondamentale seraient oubliées. C’est le cas, par exemple, de Nanterre, Créteil, Versailles ou Saint-Denis pour Paris, de Aix-en-Provence pour Marseille, etc.

L’identification des centralités secondaires est importante pour caractériser le cadre de vie des habitants. Dans une perspective d’aménagement et de planification urbaine, il est important de raisonner, a minima, à l’échelle de la commune afin d’identifier des centralités secondaires ou des centralités aux fonctions complémentaires, lesquelles répondent davantage aux besoins réguliers de leurs habitants et des communes environnantes.

Par ailleurs, les politiques publiques de soutien à certaines centralités, portées actuellement par l’ANCT, telles que « Revitalisation centre-bourg » ou « Action cœur de ville », sont réalisées à l’échelle de la commune. Il apparaît donc important et pertinent dans le cadre de l’étude INRAE-ANCT d’identifier et de caractériser des centralités à cet échelon communal.

La méthode de classification mixte

La classification est réalisée sur le tableau complet des équipements. Chaque commune est caractérisée par 185 variables, correspondant aux équipements présents dans la base permanente des équipements (INSEE, 2017), qui prennent comme valeur 1 si la commune possède l’équipement et 0 sinon. On obtient ainsi un tableau de données qui croise les communes métropolitaines et 185 colonnes. Les données étant homogènes (tableau booléen décrivant la présence/absence de tel ou tel équipement), il n’y a pas de traitements préalables pour synthétiser les données (analyse en composante principale ou analyse factorielle des correspondances).

La méthode de classification mixte repose sur un des algorithmes de classification actuellement les mieux adaptés au partitionnement de vastes ensembles de données. Elle se déroule en trois phases. D’abord, on réalise un partitionnement initial en 100 classes par la technique des nuées dynamiques (k-means). Ensuite, les 100 classes obtenues à l’étape précédente sont agrégées par une classification hiérarchique ascendante utilisant le critère de Ward. Le choix du nombre final de classes est réalisé par coupure de l'arbre hiérarchique en s’appuyant sur plusieurs indices de qualité. Enfin, la partition est consolidée en appliquant à nouveau l’algorithme des nuées dynamiques et en prenant comme centres initiaux les centres de gravité des classes de la classification hiérarchique. La nouvelle partition obtenue a un pourcentage d’inertie expliquée nécessairement supérieur ou égal à celui de la partition de Ward. Ces trois phases algorithmiques s’accompagnent d’une étape finale de caractérisation statistique des classes permettant d’obtenir pour chacune les variables les plus caractéristiques, dans notre cas la liste des équipements.

Délimitation des aires de desserte

L’absence de données systématiques sur les flux de déplacements ne permet pas de connaître la provenance des habitants fréquentant des services et des commerces localisés dans une centralité et donc d’en dessiner l’aire de desserte observée. Pour y remédier, nous délimitons autour de chaque centre une « aire de rayonnement » (AR) supposée correspondre au périmètre à l’intérieur duquel la majorité de la population fréquente les commerces et services de ce centre. L’opération nécessite de rattacher toutes les communes non centres au centre le plus proche, d’après le temps de trajet calculé par Odomatrix en utilisant les temps de déplacement réels enregistrés aux heures creuses. Plus précisément, pour un niveau de centralité donné, les AR sont dessinées en rattachant chaque commune non-centre à une centralité de même niveau ou de niveau supérieur la plus proche. Une commune non-centre ayant des temps de trajet minimum identiques vers plusieurs centralités est rattachée à la centralité la plus proche à vol d’oiseau. On obtient ainsi 142 AR pour les centres majeurs. Pour délimiter les AR des centres structurants, il est nécessaire de considérer les centres majeurs car ils offrent aussi les équipements et services caractérisant les centres structurants. En effet, si on ne prenait pas en compte la présence des centralités supérieures (ici les centres majeurs), on obtiendrait des AR surdimensionnées qui incluraient ces centres majeurs ! En tenant compte aussi des centres majeurs, on obtient donc 884 aires (142 + 742) correspondant aux centralités de niveau 3 et plus (centres structurants et majeurs) ; 3 764 (884 + 2 880) pour les centralités de niveau 2 et plus (centres intermédiaires, structurants et majeurs) ; 10 774 (3 764 + 7 010) pour les centralités de niveau 1 et plus (centres locaux, intermédiaires, structurants et majeurs).

Les aires de rayonnement des centralités appartenant à une même unité urbaine ont été fusionnées en une seule aire de desserte (AD). Ce choix a été fait pour ne pas créer des aires de rayonnement distinctes et artificielles pour les agglomérations, au sein desquelles on observe un enchevêtrement des flux et une complémentarité des recours aux services et commerces. Dans un souci de simplification, les aires de rayonnement ayant comme centralité une commune rurale ou une seule commune au sein d’une unité urbaine sont appelées aires de desserte monocentriques. Elles se distinguent des aires de dessertes polycentriques des unités urbaines dont plusieurs communes ont une fonction de centralité.

Score de fragilité

La fragilité des centres est identifiée grâce à cinq indicateurs décrivant les variations annuelles de population et d’emploi, les inégalités territoriales du niveau de vie (revenu disponible médian), la dépendance territoriale de la population (les habitants peu mobiles) et le surcoût de l’éloignement (distance supplémentaire à parcourir pour atteindre un centre de même niveau en cas de disparition du centre le plus proche). Le score de fragilité a été calculé indépendamment pour chacun des 4 niveaux de façon à comparer des situations ou des évolutions pour des centres offrant un panier d’équipements et de services homogènes. En effet, la diversité entre les centres à l’intérieur d’un même niveau est beaucoup moins forte que celle entre des centres de niveaux différents, comme par exemple les centres majeurs et les centres locaux.

Pour chaque indicateur, chaque centre s’est vu attribué un score partiel en fonction du décile de sa position dans l’ensemble des centres de même niveau. Les scores partiels s’échelonnent de 0 à 9, avec 0 le décile inférieur et 9 le décile supérieur. La formule de calcul du score de fragilité a été construite de façon à ce que les centres considérés comme les plus « fragiles » aient le score le plus élevé (max = 45). A l’inverse, les centres considérés comme « dynamiques » auront le score le plus faible (min = 0). Le score de fragilité, noté s, vaut :

s = (9 – s1) + (9 – s2) + (9 – s3) + s4 + s5 ,

avec : s1 et s2 les scores partiels du taux de variation, respectivement, de la population et de l’emploi entre 2006 et 2016 ; s3 le score du revenu médian en 2016 ; s4 le score du temps de report et s5 le score de la part de la population « dépendante ».

Par convention, les 25 % de centres présentant les scores de fragilité les plus élevés, pour chaque niveau de centralité, sont dénommés « centres en situation défavorable » ou « centres fragiles », les 50 % de centres présentant des scores autour de l’intervalle interquartile (Q1-Q3) sont dénommés « centres en situation moyenne », et les 25 % de centres présentant les scores de fragilité les plus faibles sont dénommés « centres en situation favorable » ou « centres dynamiques ».

Auteurs et contributeurs de l'étude :

L’ensemble de l’étude a été coordonné par Mohamed Hilal (INRAE), Emmanuelle Le Bris (ANCT), Gilles Toutin (ANCT) et Max Barbier (ANCT).


Les traitements et la rédaction de ce volume ont été assurés par Mohamed Hilal (INRAE), Davy Moret
(INRAE), Virginie Piguet (INRAE), avec la collaboration d’Hélène Bouscasse (INRAE), Jean Cavailhès (INRAE), Abdoul Diallo (AgroSup Dijon), Marion Drut (Agrosup Dijon), Julie Le Gallo (Agrosup Dijon), Sophie Legras (INRAE).

Les documents graphiques créés par les auteurs ont été repris pour la synthèse par Mélodie Martin et Bertrand Miroux (ANCT).

 

Retrouvez tous les articles de la synthèse et téléchargez l'étude dans la partie "Avant-propos", sur la page d'accueil de la synthèse de l'étude.


Les membres du comité d’orientation de l’étude :

  • Agence nationale de la cohésion des territoires (ANCT) : Brigitte Baccaïni, Max Barbier, Annabelle Boutet, Marion Mauvoisin, Emmanuelle Le Bris, Sylvie Cabassot, Gilles Toutin.
  • Direction départementale des territoires (DDT) de l’Eure-et-Loir : Nadia Bourraud, Sylvain Reverchon, Clément Point.
  • Fédération Nationale des Agences d'Urbanisme / Agence de développement des territoires Nancy Sud Lorraine (Scalen) : Francis Hess.
  • Ministère de la culture : Vincent Lacaille, Isabelle Michard.
  • Ministère de la transition écologique et solidaire (MTES) : Charline Nennig, Céline Guichard.
  • Observatoire des finances et de la gestion publique locales (OFGL) : Nicolas Laroche, Thomas Rougier, Raphaël Menelon.
  • Institut national de la statistique et des études économiques (INSEE) : David Levy.
  • Caisse des Dépôts et Consignation (CDC) : Florence Mas, Frank Chaigneau.
  • Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement (CEREMA) : Nicolas Nuyttens, Raphaèle Ratto.
  • Établissement public national d'aménagement et de restructuration des espaces commerciaux et artisanaux (EPARECA) : Alain Deschamps, Christelle Breem.

 

Travaux analysés dans le cadre de l’étude :

  •  Laborie J.P. (1979 ), « Les petites villes ».
  • Agence d’urbanisme Grand-est, Sraddet (2018), « L’armature urbaine régionale ».  
  • Jousseaume V. et Talandier M. (2016), « Bourgs-centres et petites villes en France ».
  • Dreal Nouvelle-Aquitaine (2017), « Identification d’une armature urbaine en Nouvelle-Aquitaine ».
  • DDT Eure-et-Loir (2017), « Diagnostic territorial et identification des centres-bourgs à enjeux ».
  • Préfecture de Région Auvergne-Rhône-Alpes (2017), « Etude exploratoire des centralités dans l’aire métropolitaine de Lyon-Saint-Etienne ».
  • Insee (2018), « Déclin marqué ou affirmation de leur rôle central, les destins contrastés des petites villes de Bourgogne-Franche-Comté » / « Petites villes de Bourgogne-Franche-Comté : un passé démographique et industriel qui contribue au déficit de croissance ».
  • Réseau des agences d’urbanisme de Bretagne (2012), « L’armature urbaine bretonne : un modèle territorial d’avenir ? ».
  • Chardonnel, Talandier, Tabaka et André-Poyaud (2017), « Centralité des espaces périphériques et complémentarités territoriales : un enjeu de durabilité pour la Région urbaine de Grenoble ».
  • Insee (2019), « Du rural éloigné au rural proche des villes : cinq types de ruralités ».

Pour enregistrer un favori, vous devez avoir un compte personnel

Me connecter Créer mon compte personnel