Navigation – Plan du site

AccueilVie ScientifiqueRevue de livres2023Sergio J. Rey, Rachel S. Franklin...

2023

Sergio J. Rey, Rachel S. Franklin (eds), 2022, Handbook of spatial analysis in the social sciences, Cheltenham, Northampton, Edward Elgar publishing, 568 p.

Thierry Feuillet

Texte intégral

1Quel plaisir constitue la lecture de cet ouvrage pour tout amateur d’analyse spatiale quantitative. C’est l’acception disciplinaire (et non technique) de l’analyse spatiale qui est privilégiée ici, celle des théories, des concepts et des méthodes permettant de mieux comprendre les localisations d’objets et de processus sociaux. Si vous cherchez des algorithmes de géotraitements pour votre SIG, passez votre chemin. À la fois très complet, rigoureux, pédagogique, ce livre, édité par Sergio J. Rey (Professeur à l’Université de Californie et directeur du Center for geospatial sciences) et Rachel S. Franklin (Professeure de géographie à l’Université de Newcastle et éditrice-en-chef de la revue Geographical analysis), compile le travail de synthèse de 51 auteurs (dont Roger Bivand, Luc Anselin, Michael Goodchild, Alan T. Murray, Stewart Fotheringham, et d’autres grands noms de la géographie quantitative) à travers 33 chapitres. Si certains de ces chapitres présentent des concepts ou des méthodes déjà bien connus en analyse spatiale (régression locale, économétrie spatiale, modélisation multiniveau, analyse de semis de points, etc.), d’autres abordent des aspects tout à fait émergents de l’analyse spatiale contemporaine, comme la geoAI, la réalité virtuelle immersive ou encore l’analyse contextuelle de traces GPS. C’est donc principalement cet aspect exhaustif – de la revue des classiques à l’exploration des toutes nouvelles approches – qui fait la force et l’originalité de cet ouvrage, en comparaison de ceux récemment publiés en géographie quantitative. 

2Le livre est divisé en quatre parties : Theory, frameworks and foundations (5 chapitres) ; Methods (16 chapitres) ; Applications (9 chapitres) et Emerging challenges and issues (3 chapitres). Les 33 chapitres ne vont pas pouvoir être décrits en détail ici, nous nous concentrons plutôt sur les éléments les plus saillants ou les plus originaux. 

3Le premier chapitre de Barbara P. Buttenfield rappelle efficacement les principales étapes de l’histoire des sciences de l'information géographique (GIScience), de la cartographie statique et la géovisualisation dynamique, des logiciels SIG à la science reproductible, de l’arrivée des méthodes d’apprentissage automatique pour traiter de grands volumes de données spatiales hétérogènes, pour finir sur les challenges actuels de l’analyse de données en sciences sociales. Les chapitres 2 et 3 sont plus techniques, présentant respectivement la façon de localiser des données dans l’espace géographique et les différents environnements analytiques actuellement à notre disposition, en particulier R et Python (avec un historique très intéressant proposé par Roger Bivand – concepteur en autres des libraries R sp et spdep – qui rappelle avoir lui-même estimé un indice de Moran sur un Wang 2200 en 1975 en développant son propre logiciel ! C'est là qu’on voit le chemin parcouru…). Le chapitre 4 (par Li An) présente une très intéressante réflexion sur la question de la complexité en sciences sociales, et la façon dont les modèles à base d’agents sont adaptés pour la considérer. Le chapitre 5 est particulièrement passionnant. Intitulé Linking spatial patterns to processes, il décrit de façon théorique, sans (presque) aucune équation, les différentes chaînes causales qui peuvent relier les structures spatiales observées aux processus sous-jacents (largement mobilisées en épidémiologie ou en écologie du paysage), en n’oubliant pas d’évoquer les erreurs et les incertitudes associées à ce type d’approches. L’application proposée en fin de chapitre revisite la fameuse analyse spatiale du choléra de Jon Snow de 1854 de façon très pertinente.

4La deuxième partie est consacrée aux méthodes. Elle commence par un chapitre de Luc Anselin sur l’économétrie spatiale, ce qui n’était pas nécessairement le meilleur choix de départ, car il s’agit probablement d’un des chapitres les plus difficiles à lire pour qui n’est pas économètre ou statisticien (41 équations dans ce seul chapitre), en particulier dans la seconde partie qui évoque les estimations paramétriques et les problèmes d’inférence. Le chapitre suivant est dédié à la régression géographiquement pondérée et à ses extensions récentes. Le chapitre 8 (Alison Heppenstall et ses co-auteurs) s’éloigne de la statistique pour s’intéresser aux automates cellulaires et aux modèles à base d’agents. Le chapitre 9, signé par Nik Lomax, présente les principes et les méthodes (déterministes comme probabilistes) de la microsimulation, c’est-à-dire des modèles réalisés à l’échelle individuelle. Le chapitre se clôt sur la présentation de différents modèles de microsimulation spatiale dynamique, dans les domaines de la démographie et de l’économie. Retour sur la modélisation statistique dans le chapitre 10 (modèles multiniveaux par Richard Harris), avant un chapitre passionnant sur l’analyse contextuelle des mouvements, par Somayeh Dodge. Dans un cadre théorique mobilisant la time geography de Torsten Hägerstrand et la contextualisation de la mobilité chère à Mei-Po Kwan, l’auteure décortique de façon analytique les mouvements et nous explique comment il convient ensuite de les associer à leurs contextes spatiaux pour estimer des relations mouvements-contextes. Le chapitre 12, à nouveau plus classique, est consacré aux modèles d’interaction spatiale, et le chapitre 13 à l'optimisation spatiale (pour la recherche de localisations optimales). Le chapitre 14 passe en revue les techniques de classification – avec et sans contrainte spatiale – parmi les plus communes, ainsi que quelques méthodes de clustering spatio-temporel, mais de façon très (trop ?) rapide (un schéma synthétisant les conditions d’utilisation et les forces/limites de chacune aurait été une belle plus-value). Le chapitre 15 est dédié à l’incontournable spatial point patterns (analyse de semis de points) propre à tout manuel d’analyse spatiale qui se respecte, et est l’occasion de refaire le point sur les différents modèles de processus spatiaux de distribution d’événements (processus de Poisson homogènes ou non) et les fonctions de Ripley. Le chapitre suivant de Wei Kang est consacré aux dynamiques spatiales et discute de deux approches générales permettant de les modéliser : les méthodes longitudinales spatialement explicites (chaîne de Markov discrète, statistiques dérivées du 𝜏 de Kendall) et les extensions temporelles de méthodes spatiales (LISA directionnels, LISA Markov). Wenwen Li défriche dans le chapitre 17 le champ émergent de la geoAI, que l’on pourrait traduire par "intelligence artificielle géospatiale". Elle y distingue les approches bottom-up (celles "qui laissent parler les données", comme le clustering, la classification et la régression) des approches top-down, dans lesquelles les connaissances sont codées en langage machine en amont, dans une démarche ontologique. Elle amorce une discussion intéressante sur l’appartenance éventuelle de la régression à l’apprentissage machine, malgré ses fondations solidement ancrées dans la théorie statistique, et conclut à juste titre que tout dépend de l'objectif de l’analyse :  la prédiction/classification optimale pour l’un, la compréhension des relations statistiques pour l’autre. Le chapitre 18 passe en revue les techniques usuelles d’ESDA (analyse exploratoire de données spatiales) alors que le chapitre 19 se concentre sur les techniques de géovisualisation et d’analyses géovisuelles et sur leur capacité à donner du sens aux données spatiales. Trevor M. Harris développe, dans le chapitre 20, une intéressante démonstration de la place que peut prendre la réalité virtuelle immersive dans l’appréciation visuelle des données spatiales et de leur complexité, grâce à "l’intuition viscérale, intuitive et puissante" que procure l’immersion dans un monde 3D hautement interactif. Il y évoque les nombreux domaines d’application dans lesquels ces techniques sont déjà mises en place (architecture, patrimoine, écologie, éducation, etc., jusqu’au cybersex). Le chapitre 21 traite de data mining spatio-temporel, processus consistant à identifier des structures utiles (dans le sens non-trivial) dans des grandes bases de données spatio-temporelles. Les auteurs présentent clairement cette démarche analytique composée de 5 étapes, intégrant chacune différentes méthodes permettant d’aboutir à une définition des patterns de changement spatio-temporel dans un domaine donné (par exemple changements d'occupation du sol, persistance d’épidémies, etc.).

5La troisième partie (Applications) débute par deux chapitres centrés sur l’analyse spatiale des changements opérant au niveau des quartiers. Ainsi, le chapitre 22, écrit par Elizabeth Delmelle (éditrice du Journal of transport geography), présente une série de méthodes permettant de caractériser quantitativement les trajectoires de quartiers et leurs transitions (par exemple chaînes de Markov, analyses séquentielles, fragmentation spatiale). Le chapitre suivant (par Elijah Knaap) est plus spécifiquement centré sur l’analyse spatiale de la gentrification. Il fait également le point de façon limpide sur les différentes méthodes à notre disposition pour caractériser efficacement ce processus spatial, mais comme dans le chapitre précédent, on peut regretter le côté un peu trop "américano-centré" des applications. Le chapitre 24 décrit les principes et les enjeux de l'inscription spatiale des réseaux sociaux (en anglais : spatial social networks, ou SSN). Ces SSN sont des réseaux dont les nœuds sont localisés dans un anthrospace, c’est-à-dire un espace intégrant tous les lieux d’activités et de connexions sociales d’un individu. Les auteurs expliquent la façon dont il convient d’acquérir des données SSN, puis d’interroger ces réseaux pour calculer différentes métriques. Le chapitre 25 s’intéresse à l’analyse de la dynamique des inégalités inter-régionales au Canada en mobilisant les LISA, tandis que le chapitre 26 traite de la répartition de la "pauvreté énergétique". Dans ce chapitre, Caitlin Robinson tente de montrer dans quelle mesure les approches spatiales permettent de mieux appréhender les symptômes et les déterminants de ces inégalités d’accès aux énergies domestiques (gaz, électricité, etc.) à différentes échelles. Levi John Wolf décortique dans le chapitre 27 les principes du gerrymandering, terme désignant les stratégies partisanes de découpage électoral, démontrées à de multiples reprises aux États-Unis. Ce n’est en réalité rien d’autre que le MAUP de Stan Openshaw, qui curieusement n’est jamais évoqué dans le chapitre. Le chapitre suivant évoque les contours du new urbanism, tandis que le chapitre 29 s’intéresse aux liens entre espace et bien-être. Le dernier chapitre de la partie 3 se concentre sur le cadre d’analyse des données urbaines en particulier.

6La dernière partie (Emerging challenges and issues) propose deux chapitres transversaux très intéressants sur des aspects pouvant concerner toutes analyses spatiales (chapitres 31 et 33) et un chapitre plus spécifique (32) sur le potentiel de l’imagerie en sciences sociales quantitatives. Dans le chapitre 31, Michael F. Goodchild propose une réflexion sur la place et l’importance de la reproductibilité et de la réplicabilité dans les sciences spatiales (la reproductibilité consiste à obtenir les mêmes résultats à partir des mêmes données et des mêmes méthodes, tandis que la réplicabilité, plus délicate à appréhender, consiste à s'interroger sur le fait qu’une même connaissance scientifique pourrait être obtenue à partir de plusieurs échantillons tirés aléatoirement d’une même population). Le dernier chapitre de l’ouvrage, écrit par David C. Folch, traite de l’incertitude en analyse de données spatiales et temporelles en sciences sociales, et rappelle les solutions les plus communes pour apprendre à vivre avec (analyses de sensibilité, reproductibilité, représentativité, etc.).

7D’aucuns diront que le format papier des ouvrages scientifiques est enterré et que les bookdowns aux scripts reproductibles devraient prévaloir, mais l’un n’empêche pas l’autre. Dans le contexte actuel où les données localisées sont toujours plus accessibles et massives, et où les nouvelles méthodes et algorithmes complexes se multiplient, il est plus que jamais nécessaire de rappeler les théories, les concepts et les enjeux associés à ces approches, avant toute mise en œuvre pratique. Si les scripts R et Python se comptent par centaines sur le web pour nous aider à cette mise en œuvre, de tels ouvrages plus théoriques, si complets dans les approches et les questionnements passés en revue, sont rares et donc précieux. On pourrait reprocher le caractère un peu compilatif assez caractéristique des approches anglophones, consistant à multiplier les chapitres sans nécessairement les ordonner de façon cohérente (ainsi la deuxième partie sur les méthodes démarre avec les chapitres relatifs aux régressions spatiales et locales, alors que les techniques de régionalisation ou d’exploration de données spatiales (ESDA) n’arrivent curieusement que bien après). Il n’en reste pas moins qu’il s’agit d’un ouvrage-bible, sur lequel on va revenir sans cesse pour vérifier un détail sur une méthode, se donner une idée pour en appliquer une nouvelle, se nourrir d’un exemple thématique proche de ceux que l’on traite dans nos propres analyses, et qui constituera probablement une référence dans le domaine de l’analyse spatiale pour de nombreuses années.

Haut de page

Pour citer cet article

Référence électronique

Thierry Feuillet, « Sergio J. Rey, Rachel S. Franklin (eds), 2022, Handbook of spatial analysis in the social sciences, Cheltenham, Northampton, Edward Elgar publishing, 568 p. », Cybergeo: European Journal of Geography [En ligne], Revue de livres, mis en ligne le 17 mai 2023, consulté le 08 juin 2023. URL : http://journals.openedition.org/cybergeo/40466 ; DOI : https://doi.org/10.4000/cybergeo.40466

Haut de page

Auteur

Thierry Feuillet

Professeur de géographie à l'Université de Caen Normandie. UFR SEGGAT (Sciences Économiques, de Gestion, de Géographie et d'Aménagement des Territoires), UMR CNRS 6266 IDEES (Identité et Différenciation de l'Espace, de l'Environnement et des Sociétés), France
thierry.feuillet[at]unicaen.fr

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-4.0

Creative Commons - Attribution 4.0 International - CC BY 4.0

https://creativecommons.org/licenses/by/4.0/

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search