1L’une des particularités reconnues de la population française est sa grande diversité. Les explications historiques ne manquent pas. Située en fin de continent, la France a vu s’échouer de nombreuses vagues migratoires qui se sont mélangées aux populations locales, elles-mêmes ayant déjà des origines antérieures complexes. Depuis la fin du XIXe siècle, le développement industriel et les besoins en main-d’œuvre qu’il implique ont été à l’origine de larges migrations depuis les pays voisins. Enfin, en tant que puissance esclavagiste et coloniale, la France a incorporé au cours des derniers siècles des populations venues de lointains territoires. C’est dire que la diversité de la France, qu’elle soit linguistique ou génétique, ne résulte pas d’un long fleuve tranquille, mais bien de diverses et anciennes influences qui tiennent à la fois à l’origine des populations, à l’ampleur et aux dates de leurs immigrations et aux mélanges qui survinrent entre elles une fois installées sur le territoire français.
2Sans doute peut-on espérer découvrir des traces de nos anciennes origines et mesurer la diversité qui régnait en France en de lointaines époques en faisant le séquençage d’échantillons d’ADN ancien (aDNA) prélevés sur des restes humains datant du Mésolithique, du Néolithique ou du haut Moyen Âge. La littérature scientifique rapporte de plus en plus de données sur ce sujet (Deguilloux et al., 2011 ; Fischer et al., 2018 ; Brunel et al., 2020 ; Rivollat et al., 2020 ; Seguin-Orlando et al., 2021). Mais, pour l’instant, de tels échantillons sont rares, et géographiquement peu représentatifs de la France entière, surtout si on ramène leur nombre aux effectifs des populations qui peuplaient la France en ces périodes. Ils sont, de plus, inégalement distribués sur le territoire. Il est donc pour l’instant prématuré de vouloir dresser le panorama de la diversité génétique qui prévalait en France il y a plusieurs siècles. Nous pouvons seulement proposer que nos origines soient à rechercher parmi d’anciennes populations de chasseurs-cueilleurs, de nomades venues des steppes de l’est et d’agriculteurs arrivés d’Anatolie. Cependant, après tant de générations et les multiples mouvements de populations qui sont survenus depuis la fin du Néolithique, il reste aventureux de décrire la diversité actuelle au seul regard de ces influences lointaines, en même temps qu’il n’est pas improbable qu’elles y aient contribué pour une part.
3L’ambition de cet article est plus circonscrite. Il propose de décrire la diversité génétique de la population actuelle en France, celle résultant de l’histoire écrite depuis le XIIIe siècle, soit entre 28 et 36 générations avant la nôtre. L’idée est que cette histoire, proche ou lointaine, a dû laisser des traces sous la forme d’une structuration de l’espace résultant des échanges plus ou moins importants qui ont pu survenir entre personnes vivant dans des aires géographiques différentes. Malheureusement, les données génétiques rapportant la diversité actuelle sont rares ou partielles, comme nous le verrons dans une première partie, alors que la place de la France, considérée comme une unité homogène, est bien décrite dans le contexte géographique plus large de l’Europe (Cavalli-Sforza et al., 1994 ; Novembre et al., 2008 ; Veeramah et Novembre, 2014 ; Lazaridis, 2018 ; Raveane et al., 2019). C’est pourquoi il nous a paru intéressant de pallier l’actuel manque de données précises sur la structuration génétique de la France par des données sur les noms de famille.
4L’analogie entre noms de famille et gènes est établie de longue date. De très nombreux travaux exploitent les modèles de la génétique des populations sur les corpus patronymiques (cf. par exemple : Crow, 1983 ; Yasuda et al., 1974 ; Zei et al., 1983a). Parmi les travaux les plus récents on peut citer ceux, également très nombreux, qui traitent directement de la relation entre le polymorphisme du chromosome Y et celui des noms de familles (Jobling, 2001 ; Zei et al., 2003b ; Manni et al., 2005 ; King et al., 2006 ; King et Jobling, 2009 ; Gymrek et al., 2013).
5Dans une seconde partie, seront présentées de nouvelles analyses anthroponymiques portant sur l’ensemble de la France. Elles sont fondées sur une méthodologie à la fois simple et classique qui sera rappelée brièvement. Enfin, une troisième partie conclusive sera consacrée à la comparaison de ces deux types de diversité, génétique et anthroponymique, et à la discussion des facteurs géographiques, linguistiques, sociologiques ou historiques qui pourraient les expliquer.
6C’est au milieu du XXe siècle qu’apparaissent les premières études sur la diversité génétique de la France à partir des groupes sanguins. Les premiers résultats venaient combler un retard notoire dans la couverture génétique de la France. Dans son article sur la répartition des groupes sanguins ABO, Vallois (1944) relevait que Lattes, déjà en 1931, considérait "à juste titre, la France comme une des contrées de l’Europe où se manifestait, à ce point de vue, une déficience singulière" (Lattes 1931). Ce retard dans la mise en valeur géographique de données génétiques a partiellement été comblé avec la publication d’un long mémoire sur la distribution départementale des groupes sanguins ABO en France (Vallois et Marquer, 1964). Il a permis de construire la figure 1, où la fréquence du groupe O est rapportée à la somme des fréquences des groupes A et B et représentée par interpolation spatiale linéaire entre les points départementaux (krigeage, cf. Oliver et Webster, 1990) puis constituées de 10 classes d’égales valeurs (logiciel Philcarto ; Wanier, 2020) (figure 1). Les échantillons utilisés par les auteurs étaient constitués de Français de naissance, nés en France métropolitaine et testés pour ABO dans les centres de recrutement de l’Armée et par département. D’après les auteurs, cette méthode d’échantillonnage était moins biaisée que celle utilisée antérieurement, qui faisait appel aux donneurs de sang des centres de transfusion (Khérumian, 1960) et qui, de plus, ne couvrait que 66 départements sur 90.
Figure 1
Distribution départementale du rapport entre la fréquence du groupe O et la somme des fréquences A+B. Représentation avec krigeage en 10 classes d’égal effectif de 0 (jaune clair) à 10 (vert foncé), d’après les données originales de Vallois et Marquer (1964) |
Distribution of the ratio in each département between O group frequency and the sum of A+B frequencies. Representation with kriging in 10 classes of equal sample size, from 0 (light yellow) to 10 (dark green), according to the original data from Vallois and Marquer (1964)
7Dans les années suivantes furent publiés de nombreux résultats sur la distribution géographique de fréquences alléliques de multiples systèmes (ABO, Rh, MNSs, P, Kell, P, Gm, Km, Gc, Pi, Tf, Hp, HLA…), avec des échantillons récoltés sur plusieurs points en France, mais rarement avec un échantillonnage représentatif de la France entière et à une échelle suffisante. Ainsi en est-il de l’enquête génétique dite "Provinces françaises", menée entre 1981 et 1985. Des familles ont été échantillonnées, dans 14 régions (15 avec le Québec), en s’assurant que les quatre grands parents étaient bien nés dans la même région. Cette enquête a fait l’objet d’un ouvrage de synthèse publié par l’Inserm (Ohayon et Cambon-Thomsen, 1986). La majeure partie des marqueurs génétiques disponibles à l’époque ont pu être étudiés, ce qui a conduit à autant de représentations cartographiques qu’il y a de systèmes génétiques abordés. On comprend bien que ces différentes cartes ne montrent pas nécessairement des distributions géographiques concordantes, si bien qu’on s’attend à ce que des approches multivariées soient réalisées, afin de pouvoir prendre simultanément en compte l’ensemble de l’information de tous les marqueurs. Ce fut fait de multiples façons, par exemple en inférant un arbre phylogénétique par maximum de vraisemblance à partir des fréquences de huit allèles (Felsenstein, 1981 ; programme contml du package PHYLIP, Felsenstein, 1989 ; 1993) (figure 2). Le modèle suppose une évolution aléatoire des fréquences alléliques (dérive génétique), l’absence de sélection et de mélange. Cet arbre non enraciné, manifestement non structuré, "en étoile", sans clusters bien identifiés, ne permet pas d’interprétation solide, sinon celle d’une absence de structure. Il serait hasardeux, dans ces conditions, de vouloir tirer de cette représentation une quelconque histoire évolutive de ces populations.
Figure 2
Représentation des interrelations génétiques entre provinces françaises (au sens des auteurs, Cambon-Thomsen et al., 1986) en partant d’un modèle où l’on suppose une évolution aléatoire des fréquences alléliques (dérive génétique), l’absence de sélection et de mélange (Felsenstein, 1981). Les segments en pointillés ne sont pas significativement différents de 0 (tiré de Darlu et Tassy, 2019) |
Representation of genetic interrelationships between French provinces (in the sense used by the authors, Cambon-Thomsen et al., 1986), using a model of random evolution of allelic frequencies (genetic drift), lack of selection and mixing (Felsenstein, 1981). The dotted segments are not significantly different from 0 (taken from Darlu and Tassy, 2019)
8Une autre exploitation des données de l’enquête "Provinces françaises" consiste à projeter la matrice de distances calculée sur 26 fréquences alléliques de HLA A et B dans un plan à deux dimensions en maximisant la corrélation entre la matrice des coordonnées géographiques et la matrice des distances génétiques (figure 3 gauche). De cette même matrice de distances, on peut aussi proposer une représentation phylogénétique (figure 3 droite), ici obtenue par la méthode du Neighbor-Joining (NJ) (Saitou et Nei, 1987 ; logiciel Neighbor du Package PHYLIP, Felsenstein, 1989 ; 1993). Quel que soit le mode de représentation, on voit bien les limites de ce qu’on peut en tirer, même si on peut observer quelques rapprochements géographiques qui font possiblement sens (Bordeaux, Poitiers, Toulouse et Limoges d’une part et Lyon et Marseille d’autre part).
Figure 3
Représentations de la matrice de distance (B’ de Balakrishnan et Sanghvi (1968) calculée à partir de 26 fréquences alléliques du système HLA A et B, d’après Prevost et al., 1984). La localisation des villes dans le plan (à gauche) est obtenue par maximisation de la corrélation entre distance B’ et distance géographique entre villes (Lalouel, 1980). À droite, la même matrice est représentée sous forme d’un arbre par Neighbor-Joining (NJ ; Saitou et Nei, 1987) |
Representations of the distance matrix (B’ from Balakrishnan and Sanghvi (1968) calculated from 26 allelic frequencies of the HLA A and B system, after Prevost et al., 2008). The location of the towns on the map (left) was obtained by maximizing the correlation between distance B’ and the geographic distance between towns (Lalouel, 1980). On the right, the same matrix is represented as a tree by Neighbour-Joining (NJ; Saitou and Nei, 1987)
9Toutes ces tentatives de traitement global ou multivarié de l’information ne conduisent pas à des conclusions tranchées sur les filiations possibles entre populations, sur leurs origines communes éventuelles, sur leurs histoires. Comme le reconnaissent Anne Cambon-Thomsen et ses collaborateurs, "ces analyses doivent être considérées avec beaucoup de prudence quant à leur interprétation en termes d’histoire ou de migration" (Cambon-Thomsen et al., 1986).
10Pourtant, Cavalli-Sforza et ses collaborateurs semblent plus optimistes. Ils ont repris ces mêmes données en utilisant la méthode d’analyse spatiale qu’ils ont appliquée d’abord à l’Europe (Menozzi et al., 1978) et, plus tard, systématiquement à l’ensemble des données génétiques "pré-ADN" connues pour le monde entier (Cavalli-Sforza et al., 1994). Cette méthode consiste d’abord à définir une grille de points équidistants dans l’espace géographique incluant les points d’enquête (en l’occurrence, les 14 régions de l’enquête "Provinces françaises"). Ensuite, la fréquence de chaque allèle en chacun des points de la grille est estimée par interpolation, pour lisser la surface au mieux, à partir des fréquences observées aux points d’enquête. Puis une analyse en composante principale (ACP) est effectuée à partir de toutes les fréquences alléliques en chacun des points de la grille, pour in fine faire une représentation cartographique des valeurs des composantes principales issues de cette ACP, prenant ainsi en compte de façon multivariée l’ensemble des systèmes génétiques étudiés (figure 4).
Figure 4
Cartes synthétiques montrant la classification des départements (réduction à 5 classes) sur les 3 premières composantes (f1, f2, f3) d’une ACP effectuée sur les 14 systèmes alléliques de l’enquête “Provinces françaises” (Ohayon et Cambon-Thomsen, 1986). Les pourcentages sont ceux de la proportion de variance expliquée par chaque axe (adapté d’après Cavalli-Sforza et al., 1994) avec intégration des limites départementales) |
Synthetic maps showing the classification of départements (reduced to 5 classes) along the first 3 components (f1, f2 and f3 reduced to 5 classes) of a PCA performed on the 14 allelic systems of the “French Provinces” survey (Ohayon and Cambon-Thomsen, 1986). The percentages are the proportion of variance explained by each axis (adapted from Cavalli-Sforza et al., 1994, with integration of département boundaries)
11Cette cartographie montre divers gradients interprétés par les auteurs en termes de possibles mouvements migratoires anciens, du Paléolithique au Néolithique. Mais la question d’une surinterprétation de ces cartes se pose. D’abord parce que, comme les auteurs le soulignent à juste titre, la représentativité de seulement 14 points pour un territoire aussi vaste que la France reste faible, bien que ces points aient été choisis judicieusement dans des zones rurales, donc probablement à l’abri des migrations les plus récentes, et qu’ils sont donc, de ce fait, représentatifs de la diversité génétique rurale des générations précédentes.
12Si cette méthode permet de dresser des cartes synthétiques intégrant une approche multivariée, elle a fait l’objet de multiples mises au point et controverses (Rendine et al., 1986 ; 1999 ; Sokal et al., 1999 ; 2012 ; Flament et Milland, 2005 ; Novembre et Stephens, 2008 ; Novembre, 2012). En effet, dans la situation d’une continuité spatiale des points, lorsqu’il y a une relation de continuité entre les variables (gradients), ici des fréquences de gènes, ces cartes peuvent être largement artéfactuelles. La méthode conduit mathématiquement à générer des patterns mimant des gradients ou des clines, dit "effet Guttman" (Faverge, 1960). Dans ces conditions, et pour la France en tout cas, on peut émettre quelques réserves sur des interprétations en termes de migrations anciennes. Si elles ne sont pas invraisemblables, elles restent toutefois seulement hypothétiques.
13Ces travaux, comme ceux de Vallois, de Ohayon et Cambon-Thomsen, sont symptomatiques de la production sur la diversité génétique au cours de la deuxième moitié du XXe siècle, et même au début du XXIe siècle. De toute évidence, ils ne répondent pas au projet de fournir une bonne couverture de la diversité géo-génétique à la fois sur l’ensemble du territoire français et à partir de données génétiques multivariées. La raison essentielle tient au fait que seules certaines régions sont bien représentées. Ce "mitage" du territoire laissent de côté des régions qui suscitent moins d’intérêt de la part des chercheurs. À l’évidence, le Sud-Ouest en général et le Pays basque en particulier, la Bretagne, le Sud-Est et la Corse présentent plus d’intérêt que le Berry ou la Picardie. De fait, les études sur le Pays basque (Ruffié, 1958 ; Bauduer et al., 2005 ; Behar et al., 2007), la Bretagne (Youinou et al., 1983 ; Richard et al., 2007 ; Karakachoff et al., 2015) ou la Corse (Vona et al., 2002 ; 2003 ; Falchi et al., 2006 ; Ghiani et al., 2009) sont très présentes, depuis les premières investigations sur les groupes sanguins jus-qu’aux dernières recherches sur l’ADN. On peut facilement le comprendre en raison des particularités historiques, ethniques ou linguistiques bien marquées de ces régions qui soulèvent des questions sur leurs origines et sur les raisons de leurs spécificités.
14Récemment, plusieurs travaux ont tenté de décrire la diversité génétique de l’ensemble du territoire métropolitain à partir du polymorphisme de l’ADN, souvent à partir d’échantillons faibles ou très inégalement répartis. Ainsi, la diversité de l’ADN mitochondrial (HVS-I de la région de contrôle) a bien été décrite en 2007, mais seulement à partir de 768 personnes et de 12 localisations géographiques, essentiellement dans le nord-ouest de la France, particulièrement la Bretagne et le Pays basque (Richard et al., 2007). De même, le polymorphisme du chromosome Y (17 STR et 27 SNP) a bien été décrit chez 558 personnes dans sept villes de sept régions françaises, la seule conclusion vraiment significative étant la présence d’une différence entre la Bretagne et les autres régions (Ramos-Luis et al., 2014).
15Dernièrement, la diversité génétique de la France métropolitaine, fondée sur le séquençage de l’ADN, a été décrite sur la base de deux enquêtes (Saint Pierre et al., 2019). L’une, dite "Three City Study" ou "3C", porte sur des personnes âgées de plus de 65 ans et présentant des pathologies vasculaires. Extraites du panel total, 770 personnes pour lesquelles le lieu de naissance était connu ont été génotypées pour 490217 SNPs (Single Nucleotide Polymorphisms). L’autre enquête, dite "SU.VI.MAX", est une enquête de consommation alimentaire et de santé dont a été extrait 1414 personnes génotypées pour 271886 SNPs.
16L’un des intérêts de ce travail, notamment dans la perspective du présent article, est d’offrir l’une des premières bonnes couvertures génétiques de la France à partir de données de génotypage. Comme la localisation géographique des sujets des échantillons se fait sur la base du lieu ou du département de naissance, la représentativité territoriale est satisfaisante puisque tous les départements sont effectivement représentés. Le fait que l’échantillonnage de l’enquête 3C se fonde sur la présence d’une pathologie vasculaire pourrait entraîner un biais s’il était démontré que cette pathologie, dans ses déterminants génétiques, était géographiquement inégalement répartie, question que ne soulève pas les auteurs qui considèrent leur échantillon et leurs données génomiques comme non biaisées dans leur représentation géographique. Pour représenter la distribution géographique de la diversité génétique en France, les auteurs se concentrent sur la fréquence de six (pour 3C) ou sept (pour SU.VI.MAX) clusters déterminés par FineStructure (Lawson et al., 2012), un algorithme affectant chaque personne à un groupe dont le nombre, ici six ou sept, est optimisé pour rendre compte au mieux de la diversité génétique totale. Le résultat de ces enquêtes est de fournir des cartes de distribution qui distinguent de grandes zones génétiques, comme le Nord et le Nord-Est, le Centre et le Centre-Ouest, avec des zones plus localisées comme la Bretagne, le Sud-Est et le Sud-Ouest, zones bien délimitées par les fleuves comme la Loire, la Garonne et l’Adour.
17Dans le même temps, Biagini et ses collaborateurs (2020) notaient que, "à la différence des autres pays européens, la génétique des populations humaines et l’histoire démographique de la France métropolitaine sont étonnamment peu étudiées" (traduction des auteurs). Ils apportent des informations sur près de 350000 SNP, mais ne recrutent leur échantillon de près de 400 personnes que dans 20 départements, essentiellement dans le Nord-Ouest et le Sud-Ouest. Cet échantillon est formé de personnes dont les parents sont nés en France et qui portent un nom d’origine française. En fait, il s’agit d’une compilation de données originales et de données déjà utilisées dans d’autres enquêtes, en particulier sur le Pays basque, ou sur les marqueurs du chromosome Y (Martínez-Cruz et al., 2012 ; Ramos-Luis et al., 2014 ; Lazaridis et al., 2016). Parmi les 20 départements, sept sont représentés par moins de cinq personnes. Il n’est donc pas étonnant que leurs analyses les amènent à différencier, dans cette France partielle, Bretagne et Pays basque. Par ailleurs, leur intéressante analyse des taux de migration par EEMS (Estimated Effective Migration Surface ; Petkova et al., 2016) leur permet d’inférer des taux de migration effective sur l’ensemble de la France. Cependant, c’est dans les zones géographiques où ils n’ont malheureusement pas de départements représentés dans leur échantillon qu’ils obtiennent les taux estimés les plus faibles, ce qui sème le doute sur la validité de ces estimations. Il reste qu’il n’est pas surprenant qu’avec la même méthode, les résultats diffèrent de ceux publiés par Saint-Pierre et collaborateurs (2019), dans la mesure où les distributions spatiales des échantillons ne sont pas comparables.
18On peut s’attendre à voir à l’avenir l’émergence d’autres études perfectionnant l’échantillonnage et exploitant plus à fond les données de génotypage, comblant les "trous géographiques", à l’image de ce qu’ont su faire les démographes avec les études sur la population française de Henry et de Biraben (cf. Séguy, 1999 ; Séguy et al., 2001) ou les linguistes avec l’Atlas linguistique de France (Gilliéron et Edmont, 1920). Cela permettrait de rendre compte de la diversité génétique de la France à une échelle plus fine et de fournir de meilleurs arguments pour discuter sur ses diverses origines possibles.
19Les acquis des études sur la diversité génétique en France restent donc limités, en raison d’échantillons souvent peu représentatifs ou de taille modeste (qui ne garantissent donc pas des inférences statistiques solides), de couvertures géographiques partielles ou incomplètes, d’approches souvent univariées ou intégrant peu de marqueurs génétiques, malgré le grand nombre de SNP actuellement séquencés. Ce sont les raisons pour lesquelles une alternative à la génétique mérite d’être explorée, celle des noms de familles. En effet, les noms de familles sont assez rigoureusement transmis de père en fils dans les familles, au moins depuis le XVe siècle (Bourin, 1990 ; Bourin et Chareille, 1992 ; 1995 ; 2014). Ils présentent une diversité considérable en France, puisqu’on recense au moins 750000 noms différents entre 1891 et 1940 (Darlu et al., 1997), avec des spécificités régionales très importantes.
20Le parallèle est classique entre transmission du nom et transmission du chromosome Y. C’est pourquoi l’objection est souvent faite que le nom de famille ne serait, à l’instar du chromosome Y, qu’une "histoire de lignée d’homme". De fait, le nom du père que porte ses filles "disparaît" au mariage quand elles prennent le nom de leur mari, mais le nom du père ne disparaît pas pour autant dans la mesure où il peut avoir des fils ou des neveux agnatiques. Par ailleurs, dans la France des derniers siècles, les mariages se sont organisés entre conjoints pour lesquels la distance entre leurs lieux de naissance était rarement plus grande que celle existant entre deux cantons (Girard, 2012), si bien que le stock des noms de famille d’une région donnée inclut bien à la fois le nom des hommes et celui des maris de leurs filles.
21L’avantage des noms de familles est qu’ils sont très différemment représentés selon les régions, même pour les patronymes les plus fréquents, et ils sont généralement facilement disponibles, au moindre coût, consignés dans des actes notariés, des registres de naissances, mariages ou décès, paroissiaux jusqu’à la Révolution et civils et communaux ensuite. Bien que ce ne soit pas l’objet ici, ces enregistrements historiques de noms fournissent des données rétrospectives parfois consignées depuis le XIVe siècle, bien localisées à l’échelle de la paroisse, de la commune, du canton ou du département, et sur un nombre de noms pouvant dépasser la centaine de milliers. Ils permettent de suivre l’évolution des stocks patronymiques au fil des générations, du moins tant que la qualité et la bonne conservation des registres le permettent, et de proposer des inférences sur le degré d’endogamie ou sur les déplacements de populations. Par ailleurs, les données patronymiques récentes sont pratiquement exhaustives depuis l’avènement du livret de famille en 1877. Elles permettent donc d’éviter tout biais d’échantillonnage. Enfin, les changements de noms ou variations orthographiques, assimilables à des "mutations", sont rares depuis la fin du XIXe siècle. Ces variations pourraient être prises en compte par lemmatisation mais, même si elles l’étaient (ce qui est généralement le cas), les fréquences des patronymes les plus nombreux ne seraient affectés qu’à la marge.
22Le présent travail repose sur l’exploitation du fichier des noms de Famille de l’INSEE (INSEE, 1985) qui informe sur le nombre de naissances enregistrées entre 1891 et 1915 (période dite P1) et entre 1916 et 1940 (période P2) sous chaque nom (patronyme écrit en lettres majuscules non accentuées), et dans chacune des quelque 36500 communes de France. En raison de ces particularités, le fichier de l’INSEE apporte des informations historiques, exhaustives et plus fiables que celles des annuaires téléphoniques (Scapoli et al., 2005). Puisque le fichier INSEE est un registre de noms de naissance, les noms inscrits font référence aux noms des pères, et couvre donc approximativement la période de 1850 à 1920. Selon l’échelle à laquelle on souhaite travailler, les données communales sont agglomérées au niveau du département, de l’arrondissement ou du canton. C’est le niveau départemental qui a été utilisé ici, sur l’ensemble de la période 1891-1940 (P1+P2) comme dans d’autres publications (Darlu et Ruffié, 1992 ; Mourrieras et al., 1995 ; Darlu et al., 1997 ; Degioanni et al., 2003).
23Des critiques ont été formulées à propos du fichier de l’INSEE (Darlu et Chareille, 2020) : il est notamment supposé ne concerner que des personnes encore vivantes en 1972, ce qui, de l’aveu même de l’INSEE, n’est pas certain et reste aujourd’hui difficilement vérifiable (faute de traçabilité sur la procédure d’informatisation des données). Quelles que soient ses imperfections, on peut considérer que le fichier de l’INSEE, qui ne résulte pas d’un échantillonnage, est une image exhaustive de la population française. Son incomplétude n’est en effet ni géographique ni anthroponymique puisque le fait d’être vivant en 1972 ne dépend ni du nom ni du lieu de naissance (ou de façon très marginale). Les éventuelles absences ou omissions du fichier ont donc pour seule conséquence de minimiser le nombre d’occurrences des naissances (surtout dans la période P1, 1891-1915), mais pas de biaiser la fréquence d’un nom en un lieu (qui est le nombre de naissances sous ce nom rapporté au nombre total de naissances en ce lieu).
24Par ailleurs, les résultats tels que nous les donnons ici ne distinguent pas les périodes P1 et P2, car ils se sont avérés concordants entre ces deux périodes, démontrant ainsi la stabilité des structures patronymiques depuis au moins la fin du XIXe siècle.
25Le corpus retenu ici (pour les analyses présentées dans les figures 5-8) compte 333600 noms différents, correspondant à 23443190 naissances. Pour chacun de ces noms, le nombre de naissances est connu par département. Les noms sélectionnés sont ceux qui ne sont pas des géohapax (noms attestés dans une seule unité géographique, ici le département). En effet, de tels noms correspondent à des sortes d’autapomorphies qui ne peuvent renseigner sur les ressemblances ou distances entre deux entités géographiques. De cette sélection découle également l’absence d’hapax (noms attestés par une seule naissance entre 1891 et 1940) à l’échelle de la France métropolitaine. Mais il se peut en revanche qu’un même nom soit hapax dans deux départements différents. C’est le cas de 8,8% des 333600 noms. Par ailleurs, les hapax sont possiblement, voire souvent, des noms mal orthographiés lors de la saisie informatique, si bien qu’il est préférable de ne pas les prendre en compte.
Figure 5
Fréquence f (et son logarithme log(f)) des noms, parmi les 333600 du corpus, présents dans 2, 3, …, 90 départements). Les noms présents dans un seul départements ont été éliminés car non informatifs. Les noms présents simultanément dans 90 départements sont au nombre de 89 |
Frequency f (and its logarithm log (f)) of names, among the 333,600 of the corpus that are present in 2, 3, …, 90 départements). The names present in only one département have been eliminated because they are not informative. A total of 89 names are simultaneously present in 90 départements
Figure 6
Représentation de l’arbre consensus (non raciné), avec les proportions de bootstrap (BP) supérieures ou égales à BP=80% portées sur les branches associées à chaque partition. Paris (75) a été exclu lors de la reconstruction de l’arbre |
Representation of the consensus tree (unrooted), with the bootstrap (BP) proportions greater than or equal to BP=80% noted on the branches associated with each partition. Paris (75) was excluded when building the tree
Figure 7
Représentation spatiale de l’arbre consensus de la figure 6. Chaque aire colorée correspond à une partition de départements supportée par une proportion de bootstrap (BP) d’au moins 80%. Les teintes identiques à l’intérieur de chacune de ces aires colorées (ou les cercles dans la zone rouge) correspondent à des partitions de 80% ou plus (souvent 100%, voir la figure 6). Les lignes correspondent à des partitions de départements avec des valeurs de BP supérieures à 80% (figure 6) ou à 60% (arbre non représenté). Les départements non colorés ne participent à aucune partition supérieure à BP de 60%. Les nombres en italiques sont les numéros des départements |
Spatial representation of the consensus tree in figure 4. Each coloured area corresponds to a partition of departements supported by a bootstrap proportion (BP) of at least 80%. Identical hues within each of these coloured areas (or circles in the red area) correspond to partitions of 80% or more (often 100%, see figure 6). The lines correspond to partitions of departements with BP values greater than 80% (figure 6) or 60% (tree not shown). Uncoloured departements do not participate in any partition greater than 60% BP. The numbers in italics are the departement numbers
Figure 8
Relation entre distance patronymique (dp, distance de Nei) et distance géographique (dg, km) |
Relationship between patronymic distance (dp, Nei’s distance) and geographic distance (dg, km)
26Certains noms se retrouvent dans plusieurs départements. La figure 5 donne la répartition des noms en fonction de leur présence dans 2, 3, 4… 90 départements. On voit que la courbe ainsi obtenue (en échelle logarithmique sur l’axe vertical) décroit très rapidement. Les noms les plus fréquents sont ceux, bien connus, figurant au palmarès des 100 noms les plus fréquents (Darlu et al., 1997) : 44% d’entre eux ont pour origine des "prénoms" comme MARIE, ANDRÉ, PHILIPPE, ÉTIENNE, LAURENT, etc. Bien qu’ils soient ubiquistes, ces noms restent intéressants dans la mesure où la distribution de leurs fréquences n’est pas homogène sur l’ensemble du territoire ; ils apportent donc une information géographique sur les proximités patronymiques entre départements.
27Les distances anthroponymiques entre départements deux à deux peuvent être calculées selon la distance proposée par Nei (Nei, 1973 ; Chen et Cavalli-Sforza, 1983) :
28où fi est la fréquence d’un nom dans l’aire géographique i et fj la fréquence de ce même nom dans l’aire géographique j, la somme s’effectuant sur l’ensemble des noms. Comme le montre cette formule, les noms qui sont présents dans un département mais absents dans l’autre ne contribuent pas à la distance entre eux ; et ce sont les noms les plus fréquents qui ont la contribution la plus forte à cette distance. C’est dire que les exceptionnels changements de noms ou les rares variations orthographiques, comme les erreurs d’enregistrements, n’apportent qu’une contribution anecdotique, voire négligeable, dans le calcul de la distance entre départements (dans la mesure où leur fréquence reste très faible par rapport à la masse des patronymes).
29Une matrice des distances patronymiques entre les départements pris deux à deux peut ainsi être constituée et faire ensuite l’objet de représentations sous forme d’arbre par la méthode du Neighbor-Joining (Saitou et Nei, 1987) ou la méthode de Fitch à l’aide du logiciel PHYLIP (Felsenstein, 1989). Pour estimer, dans cet arbre, la robustesse des regroupements de départements selon leur ressemblance patronymique, une stratégie de bootstrap (Felsenstein, 1985) a été utilisée, en calculant 100 matrices différentes, par tirage aléatoire avec remise des 333600 noms, puis en calculant 100 arbres à partir de ces 100 matrices et en notant enfin le nombre de partitions identiques parmi ces 100 arbres. Les résultats font l’objet des figures 6 et 7.
30La représentation en arbre de la matrice des distances patronymiques, sous la forme d’un arbre de consensus ne retenant que les partitions supérieures ou égales à 80%, conduit à une structuration de l’espace qui n’est pas totalement inattendue. La première observation est la délimitation (BP=92%) entre le sud et le nord de la France. Au sud d’une limite Bordeaux-Genève, les structurations sont relativement fortes et concentriques, avec le Sud-Ouest très structuré : Landes (40) et Pyrénées-Atlantiques (64), auxquels s’adjoint le Gers (32) et les Hautes-Pyrénées (65), la Haute-Garonne (31) et l’Ariège (09), etc. Pour les régions pyrénéennes, se reporter aux analyses réalisées au niveau cantonal (Darlu et al., 2001 ; Darlu et Oyharçabal, 2006). Le Sud-Est forme également une entité homogène, de même que l’Ardèche (07) et la Haute-Loire (43), ou encore la Savoie (73 et 74) et l’Ain (01). À la différence de la zone sud de la France, les structures sont nettement plus faibles, disparates et périphériques au nord de la limite Bordeaux-Genève. On distingue cependant les régions de l’Est, avec l’Alsace (67 et 68), la Lorraine (54, 55, 88) et la Moselle (57), les régions du Nord – pour plus de détails voir Degioanni et al., 2000 –, de la Normandie et de la Picardie, ainsi que les régions bretonnes (Karakachoff et al., 2015). Une large zone indifférenciée se situe au cœur de cette région nord où les ressemblances patronymiques entre départements sont particulièrement faibles, au point de ne pas être soutenues par des valeurs de bootstrap supérieures à 50%.
31Une première explication aux ressemblances patronymiques entre départements peut tenir au fait que deux départements géographiquement proches ont plus de chance de partager les mêmes patronymes que deux départements éloignés (nous discuterons plus loin les relations entre départements et pays limitrophes). C’est effectivement ce qu’on observe quand on compare la distance géographique entre deux départements, calculée à partir de la distance entre leurs chefs-lieux, à la distance patronymique calculée par la distance de Nei décrite précédemment. La figure 8 montre que la corrélation entre distance patronymique et distance géographique est linéaire et relativement élevée, r=0,622 (corrélation de Spearman ρ=0,626), valeur hautement significative (p<0,001) par un test de permutation de Mantel.
32Cette diminution des ressemblances entre corpus de noms avec la distance géographique s’explique en premier lieu par la faible mobilité des personnes en France dans les périodes précédant celle qui nous occupe (Girard, 2012). Dans le cas du Béarn, Bourdieu (1962 ; 2002) estime que la distance au mariage (distance entre les lieux d’origine des deux conjoints) est, à la fin du XIXe siècle, en moyenne, de 15 km. Cette distance semble s’être accrue jusqu’à 40 km au début du XXe siècle (Degioanni et al., 2014). Dans le Loir-et-Cher, elle est d’un peu moins de 10 km pour les mariages célébrés entre 1870 et 1877 et concernant des conjoints issus de deux communes différentes de ce département. Elle n’est encore que de 11 km pour ceux célébrés entre 1946 et 1954, mais la proportion d’unions concernant des conjoints nés dans des départements différents augmente (Sutter, 1958). Dans le Finistère, cette distance (pour des conjoints issus de deux communes différentes du département) est d’un peu moins de 12 km dans la décennie 1910-1920 et d’un peu moins de 13 km au début des années 1950, avec un constat identique pour la part des unions contractées avec un conjoint choisi hors du département (Sutter, 1958). Dans la Châtellenie de Thoissey (dans la Dombes, actuel département de l’Ain), Bideau souligne que dans la seconde moitié du XVIIIe siècle, "la proximité résidentielle [entre les futurs époux] est telle que nous ne pouvons pas mettre en évidence de rayon matrimoniaux" et qu’au début du XIXe siècle elle "reste presqu’aussi forte" (Bideau, 2017 : 112-113). On pourrait sans peine multiplier les exemples.
33Une deuxième explication possible aux ressemblances patronymiques entre départements tient au fait que deux départements voisins sont souvent situés dans la même aire linguistique et ont donc des chances de partager des patronymes qui possèdent les mêmes origines et particularités linguistiques. De fait, si on compare la figure 7 aux différentes cartes linguistiques de France (figure 9), la coïncidence apparaît clairement. Notons que les deux cartes linguistiques présentées convergent vers un même pattern, bien que construites avec deux approches différentes. La principale barrière est celle, bien connue, séparant langue d’Oc et langue d’Oïl, barrière également visible dans la carte de la figure 7. On peut également distinguer clairement les aires linguistiques périphériques Nord, Bretagne, Basque, Catalogne française, Provence-Alpes, et même l’Alsace-Moselle bien que le fichier INSEE ne recense pas les porteurs nés en Alsace ou en Lorraine lorsque ces régions étaient allemandes (donc entre 1871 et 1918), et ne tient pas compte des modifications de patronymes (germanisation/francisation) intervenues lorsque ces régions sont redevenues françaises. Ces coïncidences entre espaces linguistiques et espaces patronymiques, bien que difficiles à quantifier, ne sont certainement pas fortuites.
Figure 9
Diversité linguistique en France. À gauche, recomposition des auteurs d’après la carte géo-linguistique Gallo-Romania tirée de PatRom (Cano Gonzales et al., 2010). À droite, recomposition des auteurs d’après l’analyse linguistique de Goebl (2002) et Scapoli et al. (2005) |
Linguistic diversity in France. Left, according to the Gallo-Romania geo-linguistic map taken from PatRom (Cano Gonzales et al., 2010.). Right, recomposed by the authors from the linguistic analysis of Goebl (2002) and Scapoli et al. (2005)
34Une troisième explication est à rechercher dans les relations que la France a pu entretenir au cours de l’histoire avec ses voisins les plus proches et avec lesquels de nombreux échanges se sont produits au cours des siècles. La diversité patronymique que l’on observe en France pourrait être le reflet, au moins partiel, de contacts avec les pays limitrophes (figure 10). De fait, si on regarde comment se distribuent, dans les arrondissements français, les fréquences des 100 patronymes les plus fréquents en Grande-Bretagne, Belgique, Pays-Bas, Luxembourg, Allemagne, Italie et Espagne (Darlu, Chareille et al., à paraître), il apparaît bien des relations de continuité entre le Nord-Ouest et l’Angleterre, entre l’est de la France et l’Allemagne, entre le Nord et la Belgique et les Pays-Bas, entre le Sud-Est et l’Italie (Degioanni et al., 1996) et entre le Sud-Ouest et l’Espagne (avec à l’ouest le Pays basque et à l’est la Catalogne). Les particularités anthroponymiques de la France, à l’image de ce que pourraient être ses particularités génétiques, sont donc largement la trace historique, du moins en ses marges, de relations et d’échanges avec ses pays voisins.
Figure 10
Distribution par arrondissement de la somme des fréquences des 100 noms les plus fréquents en Grande-Bretagne, Pays-Bas, Belgique, Luxembourg, Allemagne, Italie et Espagne. Cette répartition est directement liée aux fréquences de ces noms dans les pays limitrophes (Darlu, Chareille et al., à paraître) |
Distribution by district of the sum of the frequencies of the 100 most frequent surnames in Great Britain, the Netherlands, Belgium, Luxembourg, Germany, Italy and Spain. This distribution is directly linked to the frequencies of these surnames in neighbouring countries (Darlu, Chareille et al., forthcoming)
35Les études qui portent sur la diversité génétique en France depuis le début du XXe siècle restent assez peu nombreuses et il faut bien admettre que celles qui couvrent de manière exhaustive l’ensemble du territoire sont rares. Les échantillons sont souvent faibles ou absents dans certaines régions, localisés de manière parfois approximative et ne sont testés que sur un nombre réduit de marqueurs. Les travaux qui exploitent les données de génotypage de l’ADN n’échappent pas toujours à cette critique dans la mesure où ce sont essentiellement les régions dont on connait les particularismes à la fois culturels et linguistiques qui sont étudiées (Bretagne, Pays basque, Alsace, Corse…). Ce sont d’ailleurs ces particularismes qui ressortent des anciennes enquêtes, comme celle de Vallois (Vallois et Marquer, 1964), autour du Pays basque (figure 1), ou comme celle dite "Provinces françaises", où chaque facteur de l’ACP (figure 4) distingue une structure : le premier délimite les régions de langue d’Oc de celles de langue d’Oïl et isole l’Alsace ; le second circonscrit le Sud-Ouest autour du Pays basque ; et le troisième la Bretagne (Cavalli-Sforza et al., 1994).
36Les résultats les plus récents (par ex. Saint Pierre et al., 2019) s’appuient sur une meilleure couverture territoriale, avec des effectifs d’échantillons mieux densément répartis, plus représentatifs. Leurs conclusions, en ce qui concerne la structuration de la diversité génétique en France, corrobore assez exactement, bien qu’avec des effectifs plus faibles, les conclusions tirées des fréquences patronymiques. C’est donc que l’approche par le biais des patronymes constitue un bon "proxy" de la diversité génétique. En l’état actuel des connaissances, il est probable que la diversité génétique telle qu’on pourra la décrire dans les années futures avec des données génomiques plus abondantes et plus précisément localisées (commune ou canton) convergera vers celle décrite, à moindre coût, à partir des patronymes.
37Certes, c’est actuellement une image "statique" des structures qui est donnée par ces diverses représentations et ces cartes. Leur interprétation en termes d’origine et de migrations historiques reste spéculative tant que des données historiques ne sont pas intégrées dans les analyses. On sait pourtant, par plusieurs exemples régionaux, que les principaux patronymes présents au tournant du XIXe siècle étaient déjà présents en nombre dans les mêmes aires géographiques bien des siècles auparavant (Darlu et al., 2011 [Savoie] ; Chareille et Darlu, 2013 [Bourgogne] ; Beck et al., 2014 [Bourgogne] ; Chareille et Angers, à paraître [Normandie]). Aussi peut-on dire que la présence des ruptures et des continuités territoriales observées à la fois entre régions et à l’intérieur des régions françaises, mais aussi avec les pays limitrophes, est bien la marque d’une histoire ancienne qui révèle une stabilité globale des populations au cours des derniers siècles, à tout le moins à l’échelle du territoire français.
38Dans les années à venir, les perspectives de recherches vont s’élargir. D’abord les données génomiques issues du séquençage de l’ADN vont concerner des échantillons recueillis selon une trame géographique plus resserrée et sur davantage de restes humains datant des derniers siècles. Ensuite et parallèlement, de nouveaux corpus de patronymes issus de sources historiques anciennes et antérieures à celles mobilisées par l’INSEE ont été ou sont en cours de constitution, notamment grâce à de vastes entreprises de numérisation, souvent avec des informations complémentaires de nature démographiques ou sociales concernant les modalités d’attribution des noms et de leur transmission au sein des cellules familiales et selon les communautés d’appartenance. Bien que ces deux sources d’informations, gènes et noms, ne portent que rarement sur les mêmes sujets (cf. Degioanni et al., 2003 ; Manni et Toupance, 2010) pour des raisons éthiques de confidentialité, ou seulement quand les données génétiques sont agglomérées par noms identiques (cf. King et al., 2006 ; Bowden et al., 2008 ; Solé-Morata et al., 2015), leur confrontation ouvre un domaine de recherche où la génétique des populations aura à se confronter aux réalités démographiques, sociales et culturelles, des processus de nomination et de transmission des noms.
Remerciements : Ce travail a bénéficié des nombreuses améliorations proposées par plusieurs relecteurs que nous tenons à remercier.
Flux RSS
