Navigation – Plan du site

AccueilTransversalitésData papers2026Les données d’achat des pesticide...

2026
1102

Les données d’achat des pesticides en France spatialisées à l’échelle de la commune

French pesticide purchase data spatialised at the municipality level
Distribución espacial de la compra de plaguicidas en Francia a escala municipal
Olivier Lision, Anna Lungarska et Thomas Poméon

Résumés

Les données d’achat des pesticides en France sont publiées annuellement à l’échelle des codes postaux. Or, cette échelle est souvent trop vaste dans les zones rurales, qui sont pourtant concernées au premier chef par les enjeux sanitaires et environnementaux liés à l’usage de ces produits. Cet article propose une méthode pour ramener ces données à l’échelle communale, afin de faciliter leur suivi dans l’espace et leur appariement à d’autres données. Notre méthode s’appuie sur : (i) des informations concernant les doses d’application autorisées de pesticide ; et (ii) sur une couche géographique représentant finement les surfaces susceptibles de recevoir des traitements. La méthode de spatialisation employée permet de localiser finement plus de 95 % de la quantité de substances actives totale pour les années de 2015 à 2020. Ces données peuvent être utilisées en épidémiologie, agronomie, écologie et économie, pour des études traitant des problématiques de santé publique, des systèmes agricoles, des pollutions diffuses et des dommages environnementaux.

Haut de page

Plan

Haut de page

Notes de l’auteur

Olivier Lision a rédigé le texte, préparé des figures et des tableaux, conçu et développé l’application Shiny qui accompagne le papier. Anna Lungarska a rédigé le texte, préparé des figures et des tableaux, effectué les calculs et organisé le travail. Thomas Poméon a appuyé l’équipe dans les choix méthodologiques et stratégiques ainsi qu’à la coordination du projet qui a permis la production de cet article.

Texte intégral

1. Introduction

1La productivité de l’agriculture moderne a connu un considérable essor basé sur l’utilisation intensive d’intrants chimiques, notamment les engrais de synthèse et les PPP, couramment appelés pesticides. Cependant, les nouvelles pratiques de protection des cultures ont eu pour corollaire des enjeux concernant la santé publique (Inserm, 2021), l’environnement (Mamy et al., 2022) et la résistance développée par les cibles (Hawkins et al., 2019). Afin d’informer sur l’évolution des pratiques, les données d’achat des pesticides en France sont publiées annuellement à l’échelle des codes postaux. Cette échelle peut s’avérer grossière dans les zones rurales, principales concernées par ces enjeux (voir annexe Carte 8).

2Pour faciliter le suivi de l’utilisation des pesticides, nous proposons ici une version de ces données spatialisée à la commune, par substance active ou par produit. Les données de la banque nationale des ventes de produits phytopharmaceutiques par les distributeurs agréés (BNV-D) sont d’abord spatialisées à la parcelle en appliquant la méthode décrite par Ramalanjaona et al. (2020). Cette méthode mobilise des données fines sur le parcellaire agricole et des doses d’application des produits spécifiques aux cultures. Ainsi, nous spatialisons à la parcelle plus de 95 % de la quantité de substances actives totale sur le territoire de la France métropolitaine. Nous agrégeons ensuite ces quantités à la commune, ce qui en définitive augmente la granularité des données de vente des pesticides : d’un peu moins de 6 000 codes postaux avec les données initiales, nous arrivons à plus de 34 000 communes.

3D’une manière générale, le changement d’échelle d’une donnée spatiale n’est pas anodin. Avec l’identification du « Modifiable areal unit problem » par Openshaw et Taylor (1979), deux biais sont à prendre en considération : i) l’effet d’échelle et ii) l’effet de zonage. Dans notre cas, l’agrégation des informations des achats individuels de pesticides à l’échelle du code postal lisse (effet d’échelle) les disparités locales. Nous cherchons à retrouver cette information en nous appuyant sur la localisation précise des activités agricoles (à la parcelle), dont la distribution spatiale au sein des communes d’un même code postal peut être inégale. Prenons par exemple deux communes associées à un même code postal, l’une spécialisée en horticulture (commune A), l’autre en cultures céréalières (commune B). Les produits destinés aux céréales achetés dans ce code postal devraient être associés avec B plutôt qu’avec A. Si la combinaison de cultures est identique dans nos deux communes, alors la désagrégation consiste juste en une répartition selon les surfaces agricoles de chacune.

4Descendre au niveau des parcelles permet également de se prémunir face à l’effet de zonage en écartant les surfaces non concernées ou en appliquant un « masque » sur les territoires où l’usage des produits n’est pas autorisé. En outre, dans la lignée d’Eagleson et al. (2002), la réagrégation des informations à la parcelle vers d’autres échelles, plus cohérentes par rapport aux enjeux environnementaux, rend les données interopérables et pertinentes pour des analyses. Cependant, ce changement d’échelle est fait sur la base de plusieurs hypothèses concernant l’utilisation des pesticides et la localisation des activités agricoles. Nous discuterons plus en détail des limites de la méthodologie ainsi que de celles inhérentes aux données mêmes. Il est primordial de souligner que ce travail de spatialisation fournit des résultats de modèle et n’ont pas des valeurs réellement observées. Les données issues de la spatialisation sont néanmoins une approximation intéressante de la réalité des usages des pesticides et peuvent être utilisées en épidémiologie, agronomie, écologie et économie, pour des études traitant des problématiques de santé publique, des systèmes agricoles, des pollutions diffuses et des dommages environnementaux. Dans ce sens, ces données issues de la modélisation et les cartes qui en découlent sont prioritairement à destination des chercheurs et leur interprétation dans le débat public devrait être accompagnée par de l’expertise.

5D’autres travaux de spatialisation de la BNV-D ont été récemment proposés avec pour objectif d’évaluer l’exposition et les risques associés aux pesticides. Rigal et Perrot (2025) spatialisent la quantité de substances à l’échelle des communes. Ils prennent en compte la surface agricole communale (données du recensement agricole de 2020) et appliquent des doses dites « standard » sans information sur les cultures réellement présentes dans la commune. Galimberti et al. (2025) descendent à l’échelle des parcelles. De leur côté, ils n’intègrent pas de doses d’application et tiennent seulement compte de l’homologation d’un produit donné sur telle ou telle culture. Par ailleurs, leur parcellaire agricole est incomplet puisqu’il ne comprend que les données du RPG (voir section 2.2.1). Notre approche se distingue de ces travaux puisque : i) notre parcellaire est le plus complet possible (voir section 2.2.2), ii) nous tenons compte des doses d’application des produits et iii) des cultures réellement présentes au sein des communes.

2. Sources de données

6À la différence des données utilisées par Ramalanjaona et al. (2020) et présentées par Lungarska et al. (2023), nous employons exclusivement des données ouvertes. Nous avons fait ce choix pour deux raisons principales : i) la reproductibilité des résultats ; ii) la possibilité de partager librement les données issues de la spatialisation. En contrepartie, la spatialisation ainsi faite est moins précise en ce qui concerne l’association des parcelles aux codes postaux. Nous revenons sur ce point dans la partie 7, dédiée aux limites de notre approche. Pour chaque source de données décrites ci-dessous, nous présentons succinctement les données, et mettons à disposition un extrait des données en annexe. Les données sont mobilisées au travers des différents traitements présentés dans le schéma global (figure 9).

2.1. Données relatives aux produits phytopharmaceutiques et au calcul des doses

2.1.1. BNV-D Registre

  • 1 Certaines substances actives organiques (bactéries/virus par exemple) ainsi que certaines substance (...)

7La BNV-D dite « Registre » est une base de données nationale, construite à partir des déclarations de ventes de PPP des distributeurs agréés aux professionnels. Ces déclarations sont obligatoires à partir d’un certain seuil de redevance pour pollution diffuse (5 000 € pour 2014, 100 € pour les années suivantes). Par conséquent, cette base couvre la quasi-totalité des ventes de PPP réalisées auprès des professionnels en France. Les ventes auprès d’amateurs n’ont pas pour obligation de figurer dans le registre. La BNV-D « Registre » se décline en deux versions : l’une à l’échelle des produits vendus, l’autre à celle des substances actives contenues dans les produits. Dans la première, chaque observation correspond à un couple produit/code postal de l’acheteur. Les produits sont identifiés par leur numéro d’autorisation de mise sur le marché. Pour chaque ligne, la quantité achetée, ainsi que le conditionnement du produit (litre ou kilogramme) sont renseignés. L’autre version recense les substances actives contenues dans les produits vendus. Pour chaque observation, on connaît le nom de la substance, son numéro CAS si disponible1, le numéro d’AMM du produit duquel elle provient ainsi que la QSA (quantité de substance active) achetée dans un code postal donné. D’autres informations sont données pour les substances, comme leur fonction (fongicide, herbicide, insecticide… nomenclature en 16 classes), leur classification en termes de toxicité (CMR, Santé A, Env A, Env B, Autre), et une mention quant à leur statut juridique (substance candidate à la substitution ou à exclure pour non-respect de la directive [CE] no 1107/2009). La clé primaire de la BNV-D « Registre » est donc le couple « code postal acheteur » et « numéro d’AMM » pour la version au produit, et le triplet « code postal acheteur », « numéro d’AMM » et « nom de la substance » pour la partie substance. Les données de la BNV-D « Registre » sont mises à disposition au grand public par l’OFB. Les premières données disponibles datent de 2013, mais la première année de référence est 2015, 2013 et 2014 sont considérées incomplètes, avec respectivement 30 et 90 % des déclarations effectuées (OFB, 2024). Ces données sont soumises à un secret statistique renforcé, porté à au moins 5 exploitations agricoles par code postal, pour la communication des achats (3 unités d’observation nécessaires normalement). Pour plus d’information concernant cette base de données, le portail BNV-D Traçabilité héberge la documentation sur la BNV‑D « Registre » : https://ventes-produits-phytopharmaceutiques.eaufrance.fr/​about.

8Le tableau 1 récapitule le nombre de substances, de codes CAS, de produits et de codes postaux de la BNV-D Registre pour chaque année, ainsi que le total toutes années confondues.

Tableau 1 : Total des substances, numéro CAS, AMM et codes postaux dans la BNV-D Registre

Année

Substances

CAS

AMM

Codes postaux

2015

492

439

2 844

6 027

2016

495

433

2 787

5 994

2017

506

438

2 798

5 987

2018

507

432

2 775

6 005

2019

493

424

2 616

5 957

2020

490

424

2 603

5 928

Total (unique)

609

515

4 140

6 139

2.1.2. E-Phy

9La base de données E-Phy est rendue publique par l’Anses. Il s’agit d’un catalogue des produits phytopharmaceutiques et de leurs usages autorisés en France. Cette base contient des informations concernant les produits phytopharmaceutiques, comme leur composition, la société de production, la date de mise en circulation, et l’année d’interdiction (ces deux dernières n’étant pas toujours fournies) les cultures et les doses maximales d’emploi selon l’usage. Les produits importés et homologués dans d’autres pays de l’Union européenne sont associés à des produits dits de référence (table permis de commerce parallèle d’E-Phy). Les doses et unités de la table ont été harmonisées en kg/ha ou L/ha lorsqu’un facteur de conversion est connu. Les données, ainsi que la documentation sur les fichiers mis à disposition sur data.gouv sont disponibles à cette adresse : https://ephy.anses.fr/​.

2.1.3. Statistiques agricoles annuelles (SAA)

10Les données concernant les surfaces des différentes cultures par région, issues des statistiques agricoles annuelles, sont aussi mobilisées à partir d’Agreste, le service statistique du ministère chargé de l’agriculture. Elles permettent la pondération des doses lors du regroupement des cultures référencées dans E-Phy (voir plus loin la description de cette étape dans la section 3.2). Le tableau 2 précise les correspondances entre les groupes de cultures utilisés dans la version spatialisée de la BNV-D (la BNVDs), les cultures d’E-Phy et celles des SAA. Ces données, ainsi que la documentation associée sont disponibles sur la plateforme Agreste, au lien suivant : https://agreste.agriculture.gouv.fr/​agreste-web/​disaron/​SAA-SeriesLongues/​detail/​.

Tableau 2 : Correspondance entre cultures BNVDs, E-Phy et SAA

Cultures BNVDs

Cultures E-Phy

Cultures SAA

BETT

Betterave industrielle et fourragère, Betterave potagère, Porte graine, Porte graine – Betterave industrielle et fourragère

Betterave industrielle, Betterave potagère

BLE

Blé, Céréales, Céréales à paille

Blé, Triticale

CEREALES

Avoine, Céréales, Céréales à paille, Sarrasin, Seigle

Autres céréales, n.c.a. niv. 1, Avoine, Seigle et méteil

COLZA

Crucifères oléagineuses

Colza grain et navette

COQUE

Châtaignier, Cultures fruitières, Fruits à coque, Noisetier, Noyer

Châtaignes, Fruits à coque, Noisettes, Noix

DIVERS

Arbres et arbustes

FEV

Graines protéagineuses

Féveroles et fèves

FIBRE

Chanvre, Lin, Porte graine, Porte graine – Plantes à fibre

Chanvre papier, Lin textile, Plantes à fibres (y compris semences)

FOURR

Céréales, Choux, Graminées fourragères, Maïs, Porte graine, Porte graine – Graminées fourragères et à gazons, Porte graine – Mais, Porte graine – Maïs

Chou fourrager, Maïs fourrage et ensilage (plante entière), Prairies artificielles et temporaires, Prairies temporaires

GEL

Jachères et cultures intermédiaires, Jachères et cultures intermédiaires

Jachères

INDUS

Canne à sucre, Fines herbes, Fines Herbes, Houblon, Infusions, Infusions (séchées), Porte graine, Porte graine – PPAMC, florales et potagères, Porte graine – PPAMC, Florales et Potagères, PPAMC, PPAM – non alimentaires, Tabac

Canne à sucre, Houblon, Plantes aromatiques, médicinales et à parfum (non compris semences), Tabac

LEGU

Artichaut, Asperge, Bulbes ornementaux, Carotte, Céleri-branche, Céleris, Chicorées – Production de chicons, Chicorées – Production de racines, Choux, Choux à inflorescence, Choux feuillus, Choux pommés, Choux-raves, Concombre, Cresson alénois, Cresson de fontaine, Cucurbitacées à peau comestible, Cucurbitacées à peau non comestible, Cultures florales et plantes vertes, Cultures légumières, Cultures ornementales, Épinard, Fraisier, Framboisier, Haricots, Haricots écossés frais, Haricots et Pois écosses frais, Haricots et Pois non écosses frais, Haricots et pois non écossés frais, Laitue, Légumes racines et tubercules tropicaux, Melon, Navet, Oignon, Plantes d’intérieur et balcons, Poireau, Pois écossés frais, Poivron, Rosier, Salsifis, Tomate, Tomate – Aubergine

Artichauts, Asperges en production, Bulbiculture (bulbe, oignon, tubercule, rhizome, griffe), Cantaloups et autres melons, Carottes, Céleri rave, Céleris branches, Chicorée à café, Chicorées, Choux, Concombre, Cresson, Épinards, Fleurs et feuillages coupés, Fleurs et plantes ornementales, Fraises, Framboises, Haricots à écosser et demi-secs (grain), Haricots frais, Haricots verts (y compris haricots beurre), Laitues, Légumes frais, melons ou fraises, Navet potager, Oignon et échalote, Petits pois, Poireaux, Poivron, piment, gombo, Salsifis et scorsonère, Tomate

LFOURR

Légumineuses fourragères, Porte graine, Porte graine – Légumineuses fourragères, Prairies

Prairie artificielle (luzerne, trèfle violet, etc.)

LGRAIN

Haricots, Légumineuses potagères (sèches), Pois

Haricots secs (y compris semences), Lentilles (y compris semences), Pois secs (pois de casserie) (y compris semences)

MAIS

Céréales, Maïs, Maïs doux, Porte graine, Porte graine – Mais, Porte graine – Maïs, Sorgho

Maïs doux, Maïs grain et maïs semence, Sorgho grain

OLEA

Lin

Lin oléagineux

OLIVE

Cultures fruitières, Fruits à noyau, Olivier

Olives

ORGE

Céréales, Céréales à paille, Orge

Orge et escourgeon

PDT

Pomme de terre

Pommes de terre

POIS

Graines protéagineuses, Pois

Pois protéagineux

PP

Porte graine, Porte graine – Graminées, Porte graine – Graminées, Prairies

Prairies naturelles ou semées depuis plus de 6 ans

PROTEA

Graines protéagineuses

Lupin doux

PT

Gazons de graminées, Porte graine, Porte graine – Graminées, Porte graine – Graminées, Prairies

Prairies temporaires

RIZ

Céréales, Riz

Riz

SOJA

Arachide, Soja

Soja

STH

Porte graine, Porte graine – Graminées, Porte graine – Graminées, Prairies

STH (Superficies toujours en herbe) peu productives (pâturages pauvres)

TOUR

Tournesol

Tournesol

VERGERS

Agrumes, Amandier, Ananas, Avocatier, Bananier, Carambole, Cassissier, Cerisier, Corossol, Cultures fruitières, Cultures tropicales, Figuier, Fruit de la passion, Fruits à noyau, Fruits à pépins, Goyavier, Kaki, Kiwi, Litchi, Manguier, Papayer, Pêcher, Pêcher – Abricotier, Petits fruits, Pommier, Prunier

Abricots, Actinidia (Kiwi), Agrumes, Amandes, Ananas, Avocat, Banane plantain, Cassis et myrtilles, Cerises, Corossol, pomme cannelle, Figues, Fruits à pépins, Fruits tropicaux et subtropicaux, Letchi, longani, ramboutan, Mangue, Maracuja, fruits de la passion, grenadille, Pavies, pêches, nectarines et brugnons, Petits fruits, Pommes à cidre, Pommes de table, Prunes

VIGNES

Vigne

Vignes

2.2. Données sur l’occupation des sols

11Pour distribuer les ventes dans l’espace, nous nous basons sur des informations fines concernant les surfaces susceptibles de recevoir les traitements phytopharmaceutiques. Ainsi, nous nous intéressons prioritairement aux parcelles agricoles, mais aussi aux zones non-agricoles sujettes principalement au désherbage.

2.2.1. Registre parcellaire graphique

12Le RPG regroupe les informations fournies par les agriculteurs dans le cadre de la PAC de l’Union européenne. Depuis 2015, les données sont mises à disposition publiquement par l’IGN à l’échelle de la parcelle agricole, considérée homogène par rapport à la culture déclarée. Le RPG a une très bonne couverture des surfaces en grandes cultures, mais est moins exhaustif pour les vignes, vergers, et maraîchages (voir tableau 19). Pour un accès détaillé à la documentation ainsi qu’aux données, consulter le portail Géoservices sur ce produit : https://geoservices.ign.fr/​rpg.

2.2.2. RPG complété

13Pour combler les lacunes du RPG, une couche complémentaire, le RPG complété, est proposée par Cantelaube et Lardot (2021) et Lardot et al. (2021). Elle est basée sur les parcelles du cadastre auxquelles une occupation de sol est attribuée selon différentes sources d’information via une modélisation statistique, notamment la BD Topo d’IGN et la couche OSO issue de la télédétection (Thierion et al., 2022). La documentation du RPG complété est disponible sur HAL INRAE, au lien suivant : https://hal.inrae.fr/​hal-03818008.

14À titre d’exemple, les données pour 2020 sont disponibles sur recherche.data.gouv.fr, en suivant ce lien : https://entrepot.recherche.data.gouv.fr/​dataverse/​rpg_complete_2020.

15La figure 1 représente la surface des vignes, légumes [LEGU], vergers, fourrages [FOURR] et oliveraies à l’échelle nationale et la part du RPG complété dans cette surface. Il s’agit des groupes de cultures pour lesquels le RPG complété fournit plus de 10 % de la surface. Par exemple, dans le cas des vignes, la surface totale est de 782 milliers d’hectares (voir tableau 19 dans l’annexe), dont 25 % de la surface provient du RPG complété et le reste du RPG. Dans le cas des vignes, l’ajout du RPG complété est particulièrement important pour les régions où des exploitations sont spécialisées exclusivement dans la viticulture et, de ce fait, ne déclarent pas de surfaces dans le cadre de la PAC et au RGP en conséquence. Tel est le cas notamment du département de la Marne (51) comme illustré dans la figure 9 et la carte 7 en annexe. Nous y remarquons qu’au sein du code postal 51190, les 4 communes présentées sont partagées en 2 groupes, avec une surface agricole majoritairement dédiée soit aux vignes, soit aux grandes cultures. Pour les communes spécialisées en vignes, le RPG complété est la source de plus de 90 % de ces surfaces.

Figure 1 : Complémentarité entre RPG et RPG complété, échelle nationale (France) en 2020

Figure 1 : Complémentarité entre RPG et RPG complété, échelle nationale (France) en 2020

2.2.3. Zones non-agricoles (ZNA)

16La partie non-agricole est obtenue à partir de la BD Topo de l’IGN. Elle comprend des surfaces bâties, des jardins publics et familiaux, la voirie (y compris les chemins de fer), les cimetières, les aérodromes, les équipements sportifs et autres zones d’activité ou d’intérêt. Comme pour le RPG, la BD Topo et sa documentation se trouve sur le portail Géoservices, au lien suivant : https://geoservices.ign.fr/​bdtopo.

3. Méthode de spatialisation à l’échelle des parcelles

17La méthode de spatialisation est organisée en plusieurs étapes : i) construction de la couche de l’occupation des sols ; ii) calcul des doses de référence par catégorie d’occupation de sol ; iii) calcul des coefficients de répartition à l’hectare ; iv) spatialisation des quantités ; et v) agrégation selon l’échelle ciblée. Ces différentes étapes sont présentées ci-dessous en appliquant la méthode aux communes comme échelle visée. La démarche est illustrée dans la figure 2. Le tableau 3 contient des informations relatives à la volumétrie des données traitées et produites.

Figure 2 : Schéma global de la chaîne de traitement

Figure 2 : Schéma global de la chaîne de traitement

Tableau 3 : Volumétrie des données traitées et produites

Thématique

Indicateur

Valeur

 

BNV-D

Nombre de ventes (couple code postal et AMM)

950 725

 

Nombre de codes postaux distincts

5 928

Nombre d’AMM distinctes

2 603

Nombre de substances actives distinctes

490

QSA Totale (en t)

62 991

E-Phy

Nombre d’AMM distinctes

15 206

Nombre d’AMM distinctes ayant des doses spatialisables

13 014

Doses

Nombre de doses (AMM, occsol et région distincts)

231 563

Nombre d’AMM distinctes ayant au moins une dose

2 432

Couche occsol

Nombre de polygones

15 906 167

Surface totale (en 1 000 ha)

34 012

Surface ZNA (en 1 000 ha)

3 974

Surface agricole prise en compte (en 1 000 ha)

29 689

Surface agricole autre (en 1 000 ha)

349

Coefficients

Nombre de coefficients (code_postal, AMM, occsol et région distincts)

51 230 322

BNVDs

Nombre de ventes (couple code postal et AMM)

916 406

Nombre de codes postaux distincts

5 515

Nombre de communes distinctes

34 547

Nombre d’AMM distinctes

2 404

Nombre de substances actives distinctes

434

QSA Totale (en t)

61 581

0,97762

2,24 %

 

Rapport entre les QSA

BNVDs/BNV-D

% de perte

3.1. Construction de la couche de l’occupation des sols

  • 2 La nomenclature des cultures peut varier d’un millésime à l’autre.

18Les parcelles du RPG, RPG complété2 et des ZNA, décrites dans les paragraphes précédents, sont combinées au sein d’une même table/couche contenant leur géométrie, superficie (en ha) et type d’occupation des sols. Les catégories d’occupation des sols sont attribuées en suivant les règles citées dans le tableau 4. Les ZNA sont réparties entre ZNA professionnelles et non-professionnelles, ce qui permet de leur associer différents produits phytopharmaceutiques selon leur gamme d’usage.

Tableau 4 : Regroupement des cultures du RPG et RPG complété pour la BNVDs

Groupe de cultures BNVDs

Libellé

Code culture RPG

Code culture RPG complété

BETT

Betterave non fourragère

BTN

Betterave, Betteraves

BLE

Blé

BTH, BDT, BDP, TTH, EPE, BDH, BTP, TTP

Ble

CEREALES

Autres Céréales

CHH, CPA, CGF, CAG, CHA, CGS, CPZ, CHS, CHT, AVH, CPH, CPT, SGH, CPS, SRS, AVP, SGP, CGP, MCR, CGH

Autres cereales, Autres Cereales, Cereales

COLZA

Colza

CZP, CZH

Colza

COQUE

Fruits à coque

CTG, NOS, NOX, PIS, CAB

Chataigne, Coques, Fruits a coque, Noix

FEV

Féverole

FVL, FVT

FIBRE

Plantes à fibres

LIF, CHV

Chanvre, Plantes a fibre, Plantes a fibres, Plantes fibres

FOURR

Graminées et autres fourrages

CAF, BVF, RDF, GFP, FAG, PAT, FLO, CHF, CPL, PP6, PP5, FSG, DTY, XFE, GAI, PH6, NVF, PH5, FET

Fetuque, Fourrage, Fourrages, Fourrages FFO

GEL

Gel

J6P, JNO, J6S, J5M

Jachere, Jachere (Legumes)

INDUS

Cultures industrielles

BAR, EST, VNB, YLA, MTH, ROM, PMD, MAV, CIB, SRI, MOT, FNO, MLI, VNV, CRF, CMM, ANE, CHR, HBL, VNL, PPP, SGE, ANG, TOT, FNU, CUR, OSE, PAR, BRH, CAV, PPA, PSN, MRJ, TAB, PSL, CUM, CRD, MLP, CML, BAS, PSY, VAL, PPF, THY, LAV, ANI

Cult indus, Culture Indus, Culture industrielle, Culture industrielle (Serre), Culture industrielle (Verveine), Houblon, Lavande, Plantes aromatiques, Plantes aromatiques (Serre), PMD (Ginkgo biloba), Romarin, Sauge

LEGU

Légumes ou fleurs

POR, GER, CES, TOM, PVP, FLA, CAR, PAS, AIL, CEL, CRA, PMV, LBF, CCT, MAC, CSS, DOL, CMB, HSA, HPC, HAR, PPO, MLO, CRN, CCN, ART, FLP, TOP, AUB, PAN, CHU, EPI, MRG, PSE, BUR, CRS, NVT, ROQ, BLT, SFI, FRA, RDI, OIG, POT, LSA, PAQ, RUT, VER

Batiment fleurs, Batiment legumes, Fleurs, Fleurs (batiment), Fleurs (Serre), Fleurs bati, Fraises, Jardin collectif, Legumes, Legumes (Serre), Legumes (Serre), Legumes (batiment), Legumes (Serre), Legumes ART, Legumes bati, Legumes CCN (Serre), Legumes CHU, Legumes CSS, Legumes FLP, Legumes FRA, Legumes MLO, Legumes MOT, Legumes plein champs, Legumes PPO, Legumes PTC, Legumes TOM, Pepiniere (Fleurs), Pepiniere (Fleurs, Serre), Pepiniere (Plants), Pepiniere (Serre), Pepiniere fleurs, Plants Legumes, Plants Legumes (Serre), Plants maraichers, Plants maraichers (Serre), Plants PFR, Plants PFR (Serre), Serres, Serres (divers), Tomates

LFOURR

Légumineuses fourragères

GES, ME5, FFO, LOT, VED, PFP, LH6, LU5, SE5, MH5, ME6, TR5, MC5, LUD, FF6, SA6, LFH, MC6, LUZ, JO5, JOD, LP5, SAD, MEL, LFP, TRD, VE6, JOS, LEF, JO6, LP6, SAI, VES, SED, TRE, ML5, SE6, FF5, MIN, MED, SER, SA5, MLD, TR6, MLG, LU6, PFH, ML6, LH5, MH6, VE5

Legumimeuses, Legumineuses, Luzerne, Sainfoin

LGRAIN

Légumineuses à grains

PCH, LEC

Legumineuses a grains

MAIS

Maïs

MOH, MIE, MLT, MCT, CGO, SOG, MID, MIS

Mais, Miscanthus

OLEA

Autres Oléagineux

NVH, OEH, MOL, OHN, LIP, OEI, NVE, OAG, OHR, OPN, LIH, OPR

Autres oleagineux, Oleagineux

OLIVE

Oliviers

OLI

Olivier, Oliviers, Pepiniere (Oliviers)

ORGE

Orge

ORP, ORH

Orge

PDT

Pommes de Terre

PTC, PTF

Legumes PdT, Pommes de terre

POIS

Pois Protéagineux

PHI, PPR, PPT

PP

Prairies permanentes

PPH, PRL

Prairie, Prairie (chevaux), Prairie (Chevaux), Prairie (Elevage), Prairie (rotation longue), Prairie (Vergers)

PROTEA

Autres Protéagineux

MPT, LDP, FEV, LDT, PAG, MPC, LDH

Proteagineux

PT

Prairies temporaires

RGA, PTR

Prairie Tempo, Prairie temporaire, Prairie Temporaire, Ray Grass

RIZ

Riz

RIZ

SOJA

Soja

SOJ, ARA

Soja

STH

Estives et landes

SPH, SPL, BOP

Bois pature, Landes, Landes (pelouses), SPH, SPL, Surface pastorale (SPH), Surface pastorale (SPL)

TOUR

Tournesol

TRN

Tournesol

VERGERS

Vergers

BCA, ANA, VRG, AVO, VGD, BEI, PFR, AGR, BCI, BCP, CAC, BCF, PWT, BEF, PRU, BER, CBT, PVT, BCR, BEA, BEP, PEP

Agrumes, Amandes, Pepiniere (Vergers), Petit fruit rouge, PFR, PFR (Serre), Verger, Vergers, Vergers (CBT), Vergers PRU

VIGNES

Vignes

VRT, RVI, VRC

Vignes, Vignes (raisins de cuve), Vignes (raisins de table), Vignes (restructuration)

DIVERS

Divers

Arbuste baies, Pepiniere, Pepiniere (arbre), Pepiniere (arbres), Pepiniere (bois), Pepiniere (Callunas), Pepiniere (Callunas, Serre), Pepiniere (ONF), Pepiniere (sapin), Pepiniere (Sapin), Pepiniere bois

SEMENCES

Semences

Semences, Semences (Serre)

3.1.1. Attribution des codes communes et des codes postaux

19Une seule commune est attribuée à chaque parcelle. Lorsque la parcelle est située à cheval sur plusieurs communes, la commune qui en accueille la plus grande part est choisie. Pour affecter un code postal en conséquence, nous nous basons sur les règles définies dans Ramalanjaona et al. (2020) où chaque commune correspond à un code postal dit majoritaire. Ceci permet de réduire le problème inhérent à l’échelle initiale des données de la BNV-D. En effet, plusieurs codes postaux peuvent être présents sur la même commune, comme c’est le cas par exemple dans les grandes agglomérations, et plusieurs communes peuvent être desservies par le même code postal, notamment en zone rurale. Nous observons que certains codes postaux de la BNV-D ne trouvent pas de correspondances dans la couche des parcelles. Ceci est dû à l’élimination des CP non-majoritaires mais également à des CP de type CEDEX. Pour rattraper les quantités associées à ces CP « orphelins », nous réattribuons un ou plusieurs CP en passant par les communes associées (voir figure 3).

Figure 3 : Définition d’un correctif pour dispatcher les produits associés à des CP « orphelins »

Figure 3 : Définition d’un correctif pour dispatcher les produits associés à des CP « orphelins »

20Le tableau 5 présente quelques indicateurs de compatibilité entre les différentes bases de données mobilisées pour la spatialisation de la BNV-D. Nous constatons que le pourcentage d’autorisations de mise sur le marché (AMM) commun entre la BNV-D et E-Phy est supérieur pour les années récentes. Ceci peut être le produit des efforts de mise en qualité des deux bases et aussi le fait que nous utilisons une extraction d’E-Phy de 2023. Pour les codes postaux, la correspondance entre la BNV-D et la couche d’occupation des sols reste relativement stable autour de 97 %. L’influence de ces indicateurs sur la spatialisation effective est détaillée dans la partie « Résultats de la spatialisation» plus loin.

Tableau 5 : Indicateurs sur la compatibilité des données utilisées

Indicateur

2015

2016

2017

2018

2019

2020

Nombre total d’AMM

2 844

2 787

2 798

2 775

2 616

2 603

Nombre d’AMM dans E-phy

2 681

2 645

2 686

2 685

2 558

2 565

Part du total

94,3 %

94,9 %

96,0 %

96,8 %

97,8 %

98,5 %

Nombre de substances

492

495

506

507

493

490

Nombre de codes postaux hors ‘00000’ et DROM

5 974

5 970

5 964

5 939

5 906

5 906

Nombre de codes postaux connus dans la couche occ_sol

5 776

5 777

5 776

5 762

5 720

5 722

Part du total

96,7 %

96,8 %

96,8 %

97,0 %

96,9 %

96,9 %

3.2. Calcul des doses de référence

21Le calcul des doses de référence se fait en mobilisant les différentes sources de données mentionnées précédemment. La première phase consiste à ne conserver qu’une seule dose par couple « produit/culture » à partir du catalogue E-Phy. La donnée initiale renseigne, pour chaque produit, la dose de traitement de référence pour chaque triplé « culture/partie traitée/bioagresseur » (identifiant usage). Certaines doses et leur unité ne sont pas spatialisables (eg., g/L). Nous leur appliquons des facteurs de conversion en suivant la méthode de Ramalanjaona et al. (2020). À partir de cette liste, nous conservons la dose médiane de tous les usages référencés pour chaque culture.

22Le tableau 6 présente un exemple pour deux produits dont on suppose qu’il n’existe pas d’autres usages.

Tableau 6 : Exemple de doses E-Phy pour deux produits

Produit

Usage

Culture

Dose (L/ha)

Produit A

Vigne*Trt Part.Aer.*Oïdium(s)

Vigne

2

Vigne*Trt Part.Aer.*Rougeot parasitaire

1,5

Vigne*Trt Part.Aer.*Mildiou(s)

2

Vigne*Trt Part.Aer.*Excoriose

1,5

Vigne*Trt Part.Aer.*Black rot

1,5

Produit B

Artichaut*Trt Part.Aer.*Chenilles phytophages

Artichaut

0,075

Produit B

Asperge*Trt Part.Aer.*Chenilles phytophages

Asperge

0,125

Produit B

Betterave industrielle et fourragère*Trt Part.Aer.*Coléoptères phytophages

Betterave

0,05

23À l’issue de la phase 1, nous obtenons donc le tableau 7.

Tableau 7 : Doses médianes pour deux produits sur la base des doses E-Phy

Produit

Culture

Dose médiane (L/ha)

Produit A

Vigne

1,5

Produit B

Artichaut

0,075

Produit B

Asperge

0,125

Produit B

Betterave

0,05

24La deuxième phase mobilise les surfaces régionales des statistiques agricoles annuelles. À l’échelle régionale, nous récupérons la surface occupée par chaque culture en détail. Cela permet de calculer une dose moyenne dite « de référence » par groupe de cultures BNVDs en pondérant les doses médianes de chaque culture par les occupations des sols de chaque région.

25Dans la continuité de l’exemple précédent, supposons que nous avons les proportions d’assolement pour 2 régions, comme celles du tableau 8.

Tableau 8 : Proportion des cultures dans l’assolement régional pour le groupe de cultures BNVDs Légumes

Région

Culture

Pourcentage

Groupe de cultures BNVDs

Région 1

Artichaut

30 %

Légumes

Asperge

70 %

Région 2

Artichaut

50 %

Légumes

Asperge

50 %

26La dose de référence calculée pour le produit B devient donc, selon la région, 0,11 ou 0,1 (tableau 9).

Tableau 9 : Calcul des doses de référence par région

Produit

Culture

Groupe de culture BNVDs

Région

Dose de référence

Produit B

Artichaut

Légumes

Région 1

0,3 * 0,075 + 0,7 * 0,125 = 0,11

Asperge

Artichaut

Légumes

Région 2

0,5 * 0,075 + 0,5 * 0,125 = 0,1

Asperge

27La dernière phase dans le calcul des doses de référence concerne les produits pouvant être utilisés comme « traitements généraux ». En effet, en plus des usages sur des cultures spécifiques, certains produits peuvent être employés comme « traitements généraux », sur d’autres occupations des sols (agricoles ou non). Si tel est le cas, la dose de référence pour ces traitements généraux est indiquée dans le catalogue E-Phy. Afin de prendre en compte cet usage générique, nous proposons de faire la moyenne entre la dose indiquée pour les traitements généraux avec la dose de référence calculée à l’étape précédente.

28Supposons que le produit B dispose en réalité des usages suivants (tableau 10).

Tableau 10 : Prise en compte du cas des « Traitements généraux » pour le calcul des doses de référence

Produit

Usage

Culture

Dose (L/ha)

Produit B

Artichaut*Trt Part.Aer.*Chenilles phytophages

Artichaut

0,075

Produit B

Asperge*Trt Part.Aer.*Chenilles phytophages

Asperge

0,125

Produit B

Betterave industrielle et fourragère*Trt Part.Aer.*Coléoptères phytophages

Betterave

0,05

Produit B

Traitements généraux*Trt Sol*Nématodes

Toutes

0,06

29La dernière ligne du tableau 10 indique que ce produit, en plus des applications spécifiques pour certaines cultures, peut également être appliqué de manière générique pour contrer les nématodes. Nous prenons donc cet usage en compte, et calculons une deuxième dose de référence pour ce produit, comme présenté dans le tableau 11.

Tableau 11 : Calcul des doses de référence en moyennant avec celle pour les « Traitements généraux »

Produit

Région

Dose de référence

Dose traitements généraux

Dose de référence no 2

Produit B

Région 1

0,11

0,06

(0,11 + 0.06) / 2 = 0,085

Région 2

0,1

0,06

(0,1 + 0,06) / 2 = 0,08

  • 3 Sur les 33 605 usages autorisés, 173 n’ont pas de dose homologuée dans E-phy (0,5 %).

30À l’issue de ces trois phases, nous disposons, pour chaque produit, d’une dose de référence pour chaque occupation des sols. Pour un même produit, cette dose varie d’une région à l’autre, en fonction de l’assolement. Pour certains produits, il n’y a pas de dose homologuée spatialisable renseignée dans E-Phy. En ce cas, nous attribuons une dose homogène de 1 (abstraction faite de l’unité) qui nous permet néanmoins de spatialiser ces produits sur les parcelles concernées. Cependant, ces cas de figure sont minoritaires3.

31Le tableau 12 présente la distribution des coefficients de variation (le ratio entre l’écart type et la moyenne) des doses de référence entre régions par AMM et par occupation des sols, avec focus sur les coefficients supérieurs à 0,1. En effet, parmi les 14 873 coefficients calculés pour les combinaisons d’AMM et d’occupation de sol, seulement 388 (ou 2,6 %) sont supérieurs à 0,1. Les variations importantes entre régions sont observées pour les occupations de sols qui regroupent des cultures très diverses (e.g. VERGERS, LEGU[mes]). La majorité des doses diffèrent donc peu entre les régions.

Tableau 12 : Distribution des coefficients de variation des doses pour 2020 par AMM et occupation des sols entre les régions, focus sur les coefficients supérieurs à 0,1

Occupation des sols

Min

Q1

Médiane

Q3

Max

Effectif

VERGERS

0,101

0,120

0,201

0,351

2,021

121

LEGU

0,102

0,123

0,133

0,228

1,291

61

INDUS

0,104

0,104

0,137

0,586

1,087

25

LFOURR

0,113

0,113

0,113

0,173

0,347

19

FOURR

0,107

0,150

0,207

0,279

0,363

18

VIGNES

0,104

0,132

0,146

0,309

0,338

15

MAIS

0,107

0,122

0,198

0,282

0,363

14

OLIVE

0,108

0,108

0,139

0,141

0,245

13

CEREALES

0,124

0,150

0,305

0,343

0,548

12

BETT

0,124

0,141

0,199

0,476

1,001

10

BLE

0,145

0,198

0,347

0,358

0,636

10

LGRAIN

0,136

0,143

0,172

0,337

0,337

10

ORGE

0,145

0,198

0,347

0,358

0,636

10

RIZ

0,116

0,195

0,234

0,239

1,902

10

COQUE

0,109

0,120

0,124

0,162

0,321

8

PDT

0,124

0,124

0,124

0,152

0,201

5

FIBRE

0,151

0,161

0,164

0,164

0,164

4

OLEA

0,146

0,146

0,146

0,149

0,159

4

POIS

0,136

0,136

0,136

0,142

0,160

4

COLZA

0,146

0,146

0,146

0,146

0,146

3

FEV

0,136

0,136

0,136

0,136

0,136

3

PROTEA

0,153

0,153

0,153

0,153

0,153

3

SOJA

0,146

0,146

0,146

0,146

0,146

3

TOUR

0,146

0,146

0,146

0,146

0,146

3

3.3. Calcul des coefficients de répartition

32À partir de la dose de référence, donnée en kg/ha ou en L/ha selon le conditionnement pour chaque couple produit et groupe de cultures, nous pouvons calculer le coefficient de répartition de ce produit à l’échelle du code postal. Pour ce faire, nous multiplions d’abord chaque dose de référence par la surface au code postal du groupe de culture correspondant, appelons cette quantité Q1. Additionner toutes ces quantités (exprimées en kg ou L) nous donne une quantité totale potentielle d’utilisation du produit pour un code postal donné, notée QT. Le coefficient de répartition au code postal du produit pour un groupe de culture se calcule en prenant le ratio Q1/(QT*surface). Ce calcul donne un coefficient rapporté à l’hectare.

33Prenons l’exemple d’un produit, pouvant être utilisé sur trois différentes classes d’occupation des sols, les légumes (LEGU), légumineuses à grain (LGRAIN), et la pomme de terre (PDT). Le calcul des coefficients de répartition se fait de la manière suivante.

34Comme spécifié ci-dessus, il faut d’abord déterminer la quantité potentielle de produit qui peut être épandue au code postal (tableau 13).

Tableau 13 : Calcul des potentiels par produit et total pour le code postal

Groupe de culture

Dose de référence (kg/ha ou l/ha)

Surface (ha)

Quantité potentielle (kg ou l)

LEGU

65

20

1 300

LGRAIN

80

1

80

PDT

42

3

126

TOTAL

1 506

35On passe ensuite au calcul des coefficients en divisant chaque quantité potentielle par le total pondéré par les surfaces (tableau 14).

Tableau 14 : Calcul du coefficient de répartition

Groupe de culture

Coefficient de répartition (par ha)

LEGU

1 300 / (1 506 * 20) = 0,043

LGRAIN

80 / (1 506 * 1) = 0,053

PDT

126/ (1 506 * 3) = 0,029

3.4. Spatialisation des résultats

36Pour spatialiser les quantités vendues de la BNV-D, nous les multiplions, pour chaque code postal, par le coefficient correspondant, et par la surface occupée par la culture correspondante au coefficient. Cette méthode suppose que toutes les parcelles partageant la même occupation du sol reçoivent la même quantité de produit au sein d’un même code postal.

37Reprenons notre exemple de spatialisation, en supposant qu’au même code postal, 500 kilos de ce produit ont été vendus (tableau 15).

Tableau 15 : Répartition entre les cultures du code postal des quantités de pesticides

Quantité vendue

(kg ou l)

Groupe de cultures

Surfaces

(ha)

Coefficient de répartition

(par ha)

Quantité spatialisée

(kg ou l)

500

LEGU

20

0,043

500 * 20 * 0,043 = 430

LGRAIN

1

0,053

500 * 1 * 0,053 = 26,5

PDT

3

0,028

500 * 3 * 0,029 = 43,5

38Nous retrouvons enfin la quantité achetée, désormais répartie entre les différentes surfaces réceptrices du code postal.

3.5. Agrégation à l’échelle des communes

39Lorsque le coefficient de répartition par hectare est calculé, nous pouvons l’utiliser pour attribuer aux communes les quantités de la BNV-D en :

  1. agrégeant les surfaces par commune, code postal, région et occupation des sols ;

  2. joignant à cette information les coefficients de répartition (via le code postal, la région et l’occupation des sols) ;

  3. joignant les données de la BNV-D (via l’AMM, l’unité et les codes postaux, corrigés si nécessaire comme décrit plus haut).

40Les quantités (Qté) pour les différents produits par commune et par occupation des sols sont ensuite obtenues en multipliant les surfaces avec les coefficients et les quantités BNV-D selon l’équation 1 (la région n’est pas citée parmi les indices, mais est prise en compte).

41Cette démarche est présentée dans le tableau 16. Pour cet exemple, le code postal 27530 et l’AMM 2100138 sont associés à deux communes (27193 et 27230) et deux occupations des sols qui peuvent recevoir des traitements : BLE et ORGE. Le coefficient est unique pour le code postal et l’occupation des sols traduisant la différentiation selon les doses autorisées pour chacune des cultures.

Tableau 16 : Calcul des quantités spatialisées pour les communes

Code postal

Région

Commune

Occupation des sols

AMM

Unité

Surface (ha)

Coefficient

Qté produit

Qté spatialisée

27530

28

27193

BLE

2100138

L/ha

128,09

0,002404

20

6,16

27530

28

27230

BLE

2100138

L/ha

139,60

0,002404

20

6,71

27530

28

27193

ORGE

2100138

L/ha

85,81

0,002748

20

4,72

27530

28

27230

ORGE

2100138

L/ha

43,91

0,002748

20

2,41

Somme

20,00

42Ces calculs peuvent être effectués à n’importe quelle autre échelle géographique dès lors que celle-ci est croisée avec les parcelles et que l’identifiant de la nouvelle échelle leur est attribué. Pour un traitement encore plus précis, les parcelles peuvent être scindées entre les unités géographiques ciblées. Parmi les échelles intéressantes et différentes des découpages administratifs, nous pouvons citer celles liées aux problématiques de la pollution diffuse de l’eau, comme les aires de captage, les petits bassins versants, etc. Il est de mise de rappeler que la méthodologie de la spatialisation telle qu’elle est présentée ici ne prend pas en compte des informations relevant des vraies pratiques des agriculteurs et encore moins leurs spécificités territoriales. Ces informations peuvent être intégrées à la procédure en modulant les cultures susceptibles de recevoir les traitements et/ou les doses de ces traitements. Des travaux permettant l’insertion de données d’expertise locale dans le processus de spatialisation de la BNV-D ont été initiés par Descout et al. (2023) dans la suite de l’étude de Martin et al. (2023).

4. Résultats de la spatialisation

43Toutes les ventes de la BNV-D n’ont pas été spatialisées pour plusieurs raisons, présentées dans le tableau 17. La cause la plus importante de la non-spatialisation est la perte du code postal des achats rapportés au CP ‘00000’. Il s’agit du code postal attribué par défaut lorsque les distributeurs omettent de le renseigner dans leur déclaration. En termes de quantité, ces cas représentent entre 3 et 4 % de la quantité de substance active (QSA) totale avec l’an 2020 exceptionnellement à moins de 1 %. D’autre part, nous ne spatialisons pas les produits exclusivement utilisés pour le stockage (entre 0,1 et 0,3 % des QSA). Un autre cas de figure impactant est celui des codes postaux que nous ne retrouvons pas parmi ceux attribués aux parcelles et que nous n’avons pas pu dispatcher selon la règle citée ci-dessous.

44D’autres raisons relevant des limites des données sont l’absence du produit dans la base E-Phy ou la disparité entre l’unité renseignée dans la BNV-D et celle des doses/coefficients (E-Phy). Aussi, pour certaines combinaisons entre produit et code postal, il n’y a pas d’occupation des sols autorisée à recevoir de traitements. Au final, la procédure proposée et les données disponibles permettent de spatialiser entre 94 % et 98 % de la QSA selon les années (la somme des lignes « CP dispatché » et « Spatialisée » dans le tableau 17 avec le meilleur score pour 2020, principalement dû à la faible proportion des ventes avec CP à ‘00000’.

Tableau 17 : Résultat de la spatialisation en termes de quantité de substance active (kg)

2015

2016

2017

2018

2019

2020

Statut

QSA (en kg)

en %

QSA (en kg)

en %

QSA (en kg)

en %

QSA (en kg)

en %

QSA (en kg)

en %

QSA (en kg)

en %

QSA non renseignée

-

0,00

-

0,00

-

0,00

-

0,00

-

0,00

-

0,00

Unités ephy et BNV-D incompatibles pour le CP

2 437

0,00

1 331

0,00

40 637

0,06

76 544

0,09

2 161

0,00

1 458

0,00

Pas de possibilité de dispatcher le CP

25 105

0,04

22 775

0,03

29 838

0,04

27 690

0,03

30 970

0,06

24 946

0,04

AMM de stockage

119 115

0,18

97 635

0,14

92 787

0,14

128 614

0,16

118 046

0,22

187 219

0,30

CP inconnu pour l’occsol

216 879

0,33

71 072

0,10

67 342

0,10

108 628

0,13

137 344

0,26

70 379

0,11

Pas d’occsol récepteur

367 898

0,56

379 220

0,54

278 486

0,41

338 154

0,41

233 590

0,44

569 515

0,90

AMM pas dans ephy

439 249

0,67

307 119

0,44

286 909

0,42

40 431

0,05

32 911

0,06

95 283

0,15

CP à 00000

2 434 437

3,73

2 348 316

3,34

2 224 419

3,24

3 194 613

3,87

1 662 826

3,13

460 969

0,73

Spatialisée

61 665 699

94,48

67 043 508

95,41

65 644 594

95,60

78 611 685

95,26

50 968 344

95,83

61 580 821

97,76

— dont CP dispatché

242 845

0,37

239 946

0,34

243 678

0,35

154 765

0,19

108 059

0,20

161 731

0,26

QSA Totale

65 270 820

100,0

70 270 993

100,00

68 665 151

100,00

82 526 464

100,00

53 186 226

100,00

62 990 592

100,00

45Compte tenu de ces restrictions liées aux données, la Carte 1 est une représentation à l’échelle des communes de la QSA spatialisée par hectare (toutes familles de produits confondues, toutes surfaces réceptrices) en 2020.

Carte 1 : QSA/ha à la commune, toutes familles confondues, toutes surfaces réceptrices, 2020

Carte 1 : QSA/ha à la commune, toutes familles confondues, toutes surfaces réceptrices, 2020

46Les classes retenues sont les percentiles des QSA par hectare des communes, avec une mise en évidence des communes ayant la plus grande quantité spatialisée, rapportée à leur SAU. On remarque sur cette carte que les zones qui ressortent sont celles où il y a le plus de cultures pérennes (vergers et vignes). Deux informations supplémentaires figurent dans la légende : la QSA par hectare « seuil » de la classe, ainsi que le pourcentage de la SAU de la classe concernée. Par exemple, pour l’avant-dernière classe (entre le 95e et le 99e percentile), nous pouvons lire que la QSA par hectare se situe entre 10 et 21 kg/ha, et que 3,9 % de la SAU totale se trouve dans cette classe.

5. Tables mises à disposition et reproductibilité des traitements

47À l’issue de la spatialisation, les tables produites pour chaque année sont les suivantes :

  • com_insee_qsa et com_insee_amm : ces tables contiennent les données à la substance (respectivement au produit) par commune pour une année donnée. Les informations disponibles sont le nom de la substance, son numéro CAS, sa classification, une éventuelle mention complémentaire à la classification, le code Sandre de la substance, sa fonction, et la QSA en kg (respectivement le numéro d’AMM, le conditionnement du produit, la mention emploi autorisé en jardin [EAJ] et la quantité de produit).

  • com_insee_famille_simple_qsa : cette table à l’échelle communale est une agrégation par famille de fonction des substances, dans leur version simplifiée en 4 classes (fongicide, herbicide, insecticide et autre). Elle permet une approche plus légère de ces données à l’échelle communale, avec environ 30 fois moins de lignes que la base com_insee_qsa (cette dernière comporte + de 4 millions de lignes en 2020, tandis que son agrégation à la famille en comporte 135 000) au détriment du détail des substances.

  • com_insee_occsol : une table contenant le détail des surfaces de chaque commune par année. Il s’agit de la table produite par les différents croisements des couches géographiques qui ont été décrites en partie 2. Cette table renseigne la superficie en hectare de chaque occupation du sol et pour chaque commune. Les occupations du sol sont regroupées en une nomenclature comportant 34 classes, les surfaces toujours en herbe, les prairies, les surfaces en gel, ainsi que les zones ferroviaires ne reçoivent pas de pesticides dans notre modélisation et peuvent donc être ignorées. Les pesticides sont ventilés sur les surfaces agricoles ainsi que sur les ZNA. Cette table peut donc servir à identifier des zones de production selon la filière à étudier (filtrer des régions viticoles, des zones de grandes cultures par exemple).

  • bnvd_statut : à l’inverse des précédentes, cette table est à l’échelle du code postal de l’acheteur. Elle précise si un produit est spatialisé ou non, et, le cas échéant, donne la raison de sa non spatialisation. Cette table permet d’avoir un inventaire exhaustif des achats pour une année donnée. Cela permet de vérifier si un produit en particulier présente des limitations quant à sa spatialisation. Par exemple, en 2020, l’AMM no 2000125 (correspondant à une formulation de la bouillie bordelaise) a été spatialisé correctement dans 1 300 codes postaux, mais n’a pas pu l’être dans 47 autres, pour raison de manque d’une occupation du sol réceptrice dans le code postal d’achat, ou de code postal inconnu.

48La figure 4 présente l’ensemble des tables disponibles et leurs colonnes sous forme de schéma.

Figure 4 : Tables mises à disposition à l’issue des traitements

Figure 4 : Tables mises à disposition à l’issue des traitements

49Plus de détails sur ces tables sont donnés en annexe, avec notamment une description des différents champs qu’elles contiennent, et les éventuelles sources associées. Les tables sont disponibles en deux formats ‘.csv’ et ‘.parquet’. Si le format ‘.csv’ est bien connu et lisible avec tout logiciel de lecture de texte, le format ‘.parquet’ permet à son tour : i) un chargement plus rapide dans R, Python, DuckDB, etc. ; ii) la conservation du typage des colonnes (pratique en ce qui concerne les codes communes) ; et iii) un requêtage du fichier à distance, via les identifiants et les URL pérennes des fichiers, pour mieux cibler l’information à télécharger. Cette dernière fonctionnalité d’API peut faciliter le développement aussi d’applications mobilisant les données.

50L’ensemble des traitements a été réalisé via des scripts en R (chargement des données, orchestration et certains traitements, comme le calcul des doses) ou Python (chargement des données et orchestration) avec la constitution d’une base de données PostgreSQL (version 12.9, y compris l’extension PostGIS, version 3.1) permettant des opérations de géomatique, telles que les intersections avec des couches vectorielles ciblées. En ce qui concerne les librairies mobilisées, pour R, il s’agit de « tidyverse », « RPostgreSQL », « here », « readxl » ainsi que certaines fonctionnalités de R Studio. Pour python les librairies sont : « configparser », « datetime », « psycopg2 ». Étant donné la volumétrie des tables, le choix de l’utilisation de PostgreSQL s’est imposé. Pour plus d’ergonomie dans l’automatisation des traitements, l’écriture et l’exécution des requêtes SQL sous-jacentes sont faites via R ou Python selon la durée des traitements avec les requêtes longues lancées (construction de la couche d’occupation des sols) directement depuis le serveur distant hébergeant la base de données. Ces scripts sont commentés et accessibles sur dépôt Git après effacement des identifiants ou chemins de système spécifique. Le lien vers le dépôt Git est le suivant : https://forge.inrae.fr/​alungarska/​obnvds-publique. Quelques tables nécessaires pour les traitements y sont aussi mises à disposition pour permettre, entre autres, i) les ajustements de la base E-Phy (via le script src/e-phy_v6.R) ; ii) l’attribution des codes postaux (voir la partie 18).

51Les traitements ont été réalisés sur un serveur Debian disposant de 16 processeurs (Intel[R] Xeon[R] Gold 6230R CPU @ 2.10GHz ; PostgreSQL mobilise en parallélisation jusqu’à 5 cœurs selon notre paramétrage) et de 16 Go de RAM. Le tableau 20 présente la durée approximative et l’espace de stockage nécessaire pour le traitement d’un millésime des données. Afin d’accélérer les jointures et intersections, des index et des index spatiaux ont été mis en place.

6. Exploration des résultats

52Un indicateur intéressant pour les travaux sur les pesticides est la QSA ramenée à l’hectare des surfaces agricoles. Cet indicateur prend en compte la variation inhérente à la BNV-D entre les QSA des codes postaux. Dans la figure 5, nous présentons les distributions des coefficients de variation des QSA à l’hectare. Ces coefficients sont calculés à l’échelle de la commune et groupés entre région et substance active. La majorité des coefficients sont inférieurs à 5, cela indique une faible variabilité des QSA par hectare entre les régions. Une plus forte variabilité est visible pour le blé et surtout en Île-de-France. Ceci est probablement dû à la disparité entre le code postal du siège de l’exploitation qui peut être sur un territoire différent de ses parcelles. Ainsi, des communes avec peu de surfaces cultivées peuvent se retrouver avec des quantités importantes à l’hectare.

53À l’échelle des régions, les figure 6 et figure 7 présentent les QSA à l’hectare pour huit groupes de cultures de la spatialisation (sur les 24 utilisés) pour les régions Nouvelle-Aquitaine et Hauts-de-France respectivement. On retrouve les mêmes ordres de grandeur pour les différentes cultures en termes de valeur et de classement, sauf pour les vergers. Ces derniers regroupent des productions différentes entre les deux régions. À titre de comparaison, le classement est très proche de celui pour les IFT issus des enquêtes sur les « pratiques culturales » malgré la différence d’unité de mesure entre la QSA et ce qui est désigné comme « traitement » (Agreste, 2023).

Figure 5 : Distribution des coefficients de variation des QSA à l’ha par substance active et par culture et région

Figure 5 : Distribution des coefficients de variation des QSA à l’ha par substance active et par culture et région

Figure 6 : Assolement et QSA à l’hectare pour la région Nouvelle-Aquitaine

Figure 6 : Assolement et QSA à l’hectare pour la région Nouvelle-Aquitaine

Figure 7 : Assolement et QSA à l’hectare pour la région Hauts-de-France

Figure 7 : Assolement et QSA à l’hectare pour la région Hauts-de-France

54La Carte 2 et la Carte 3 présentent quant à elles la QSA par hectare des fongicides et du glyphosate spatialisés à l’échelle des communes. Le numérateur est la quantité de substance active spatialisée regroupée par fonction (ou filtrée à la substance). Le dénominateur est l’ensemble des surfaces réceptrices (cultures et ZNA). On peut voir des zones géographiques ressortir sur les deux cartes. Il s’agit, pour la plupart, de zones où des cultures pérennes sont présentes (vignes et vergers), comme le pourtour méditerranéen, la Gironde, la Champagne, ainsi que le couloir rhodanien. Les classes des cartes ont été obtenues à partir de la méthode « jenks », paramétrée pour donner 5 classes. Les classes plus foncées montrent une QSA/ha plus élevée. La couleur grise est associée aux communes qui n’ont pas de pesticides spatialisés. À titre d’exemple, sur la Carte 2, les communes du sud-est de la région Occitanie forment un bloc homogène rouge-orangé. Cette couleur correspond à la deuxième classe la plus élevée, avec des quantités spatialisées par hectare comprises entre 5 et 25 kg par hectare.

Carte 2 : QSA/ha des fongicides spatialisées à la commune en 2020 en France

Carte 2 : QSA/ha des fongicides spatialisées à la commune en 2020 en France

Carte 3 : QSA/ha du glyphosate spatialisées à la commune en France en 2020

Carte 3 : QSA/ha du glyphosate spatialisées à la commune en France en 2020

55La Carte 4 présente les QSA/ha de fongicides dans le Gers en 2020 telles que modélisées dans la BNVDs (carte du haut à l’échelle des communes) et rapportées par la BNV-D (hors ventes non-spatialisées, carte du bas à l’échelle des codes postaux). À la comparaison des deux cartes, on constate que les données à la commune font apparaître des variations locales qui viennent nuancer le gradient. En effet, les assolements hétérogènes des communes au sein d’un même code postal vont entraîner la spatialisation de plus ou moins de produits à la commune, ce qui va les faire basculer dans une autre classe de valeurs que le code postal considéré dans son ensemble. Ceci est également illustré dans la Carte 5, qui montre la spatialisation du glyphosate dans le département du Rhône en 2020.

Carte 4 : QSA par hectare des fongicides dans le département du Gers en 2020 spatialisée à l’échelle communale (en haut) et rapportée à l’échelle des codes postaux (en bas)

Carte 4 : QSA par hectare des fongicides dans le département du Gers en 2020 spatialisée à l’échelle communale (en haut) et rapportée à l’échelle des codes postaux (en bas)

Carte 5 : QSA par hectare de glyphosate dans le département du Rhône en 2020 spatialisée à l’échelle communale (à gauche) et rapportée à l’échelle des codes postaux (à droite)

Carte 5 : QSA par hectare de glyphosate dans le département du Rhône en 2020 spatialisée à l’échelle communale (à gauche) et rapportée à l’échelle des codes postaux (à droite)

56Enfin, la Carte 6 se focalise sur la spatialisation à la commune autour d’une AAC. Les contours des codes postaux, des communes ainsi que de l’AAC sont mis en évidence sur cette dernière carte (respectivement en rouge, en gris et en bleu). La valeur de la QSA/ha spatialisée à la commune est affichée au niveau du centroïde du polygone, afin de montrer l’hétérogénéité de la répartition au sein d’un même code postal. On ne conserve que les communes (ou codes postaux) qui intersectent l’AAC d’intérêt. Dans le cas des AAC, il serait judicieux de se baser sur les résultats de la spatialisation à la parcelle pour plus de finesse dans l’estimation des QSA. Ceci est même l’intérêt principal de l’approche à la parcelle afin de s’affranchir des limites géographiques des unités administratives.

Carte 6 : QSA/ha de glyphosate dans les communes de l’AAC de Fredon

Carte 6 : QSA/ha de glyphosate dans les communes de l’AAC de Fredon

7. Limites et pistes d’améliorations

57La méthode de spatialisation permet d’associer les données de vente à une occupation du sol et à une entité géographique plus fine que le code postal initialement disponible. Comme tout exercice de changement d’échelle, les résultats sont sujets à des biais comme discuté dans l’introduction (Openshaw et Taylor, 1979 ; Eagleson et al., 2002). Par ailleurs, notre méthode implique un certain nombre d’hypothèses sur l’utilisation des pesticides et ceci entraîne des précautions à prendre lors de l’interprétation des résultats. Ainsi, plusieurs limitations de la méthode subsistent et doivent être prises en compte.

7.1. Limites liées aux données mobilisées

  • [BNV-D] Comme il s’agit de données de ventes, il est possible que certaines quantités achetées ne soient pas utilisées sur l’année étudiée. Nous ne disposons pas de la date exacte d’achat, et des effets de stockage sont possibles. Par ailleurs, la BNV-D couvre les ventes de l’année civile et non pas des campagnes culturales.

  • [BNV-D] Certaines ventes sont attribuées au code postal ‘00000’ ce qui ne permet pas de les spatialiser. Pour d’autres codes postaux, moins de cinq exploitations y sont présentes, ce qui interdit la publication en libre accès de leurs informations. Il y a également le cas des codes postaux absents de la couche d’occupation des sols et dont certains sont réaffectés en suivant la méthode décrite en section 3.1.1.

  • [BNV-D et couche occsol] Le code postal rattaché à une vente de produit est celui du siège de l’exploitation. Il est possible que des parcelles rattachées à cette exploitation se situent sur un autre code postal. Par conséquent, la spatialisation se fait au moyen de l’assolement du code postal, alors qu’il serait préférable de la faire à partir de l’assolement des exploitations rattachées à ce code postal (figure 8). Les données qui permettraient d’apparier les exploitations à leurs parcelles respectives existent, mais sont jugées sensibles et ne sont pas diffusées librement. Néanmoins, il est estimé qu’environ 20 % des parcelles sont rattachées à un code postal différent de celui de leur exploitation. Un accès à ces données permettrait d’améliorer la qualité de la spatialisation, comme l’atteste la quantification proposée par Lungarska et al. (2023).

Figure 8 : Différence entre code postal physique et code postal du siège de l’exploitation

Figure 8 : Différence entre code postal physique et code postal du siège de l’exploitation

(Source : Groshens, 2013)

  • [E-Phy] Certains produits n’ont pas de doses homologuées dans la base de données E-Phy, elles sont donc normalisées à 1. La liste de ces produits se trouve en annexe (tableau 18). Par ailleurs, les doses citées dans E-Phy sont des doses légales. Les agriculteurs peuvent toujours appliquer des doses différentes de celles-ci dans la pratique. Elles ne renseignent pas non plus sur le nombre de passages possibles ou au moins pas d’une manière exhaustive.

  • [Occupation des sols] Le RPG n’étant pas exhaustif (voir section 2.2), sa couche complémentaire, le RPG complété, est issue d’un travail de modélisation statistique et/ou de données dont la mise à jour est moins fréquente. Ceci induit des incertitudes en ce qui la concerne.

7.2. Limites liées à la méthode de spatialisation

  • Le calcul des coefficients se fait à partir des doses médianes. En l’absence de données exhaustives concernant les bioagresseurs contre lesquels sont utilisés les produits phytopharmaceutiques et l’utilisation précise qu’en font les agriculteurs et les agricultrices, il est impossible d’avoir une dose plus précise, qui refléterait l’usage réel qui est fait du produit. En outre, la méthode ne tient pas compte de nombre de passages qui peut être très variable d’une culture à l’autre et ceci induit un biais important dans les zones où on rencontre à la fois des grandes cultures et des vignes (particulièrement vrai en ce qui concerne les fongicides, tel le souffre).

  • La méthode de spatialisation ne prend pas en compte si les parcelles sont déclarées en agriculture biologique ou non. Elles reçoivent les mêmes produits que les parcelles conventionnelles du code postal, quand bien même elles ne peuvent être traitées qu’avec un sous-ensemble des produits.

  • La spatialisation ne prend pas en compte d’éventuels effets de lessivage ou de dispersion des pesticides. Bien que ces phénomènes soient évoqués dans la littérature (Bailey et al. 1974 et Damalas 2015) ils ne sont pas traités dans notre travail de modélisation. Il manque pour cela un calendrier précis de chaque traitement appliqué à la parcelle, couplé à des données topographiques, pédologiques et climatiques à une échelle fine.

8. Conclusion

58Le jeu de données présenté dans ce papier est issu de l’application d’une méthode de spatialisation des achats des produits phytopharmaceutiques répertoriés dans la banque nationale des ventes de produits phytopharmaceutiques par les distributeurs agréés (BNV-D). Cette méthode permet de distribuer les quantités de produits ou de substances actives entre plusieurs catégories d’occupation des sols agricoles et non-agricoles. Grâce à la définition d’une dose spécifique aux produits et aux groupes d’occupation des sols, les quantités de produits peuvent être attribuées à des parcelles. La couche parcellaire sous-jacente est la plus complète possible en intégrant les données du RPG et du RPG complété ainsi que des informations sur des zones non-agricoles réceptrices de traitements. La spatialisation à la parcelle facilite le passage vers des unités géographiques autres que le code postal, échelle initiale des données de la BNV-D « Registre ». Du fait de son exhaustivité, il s’agit de l’exercice de spatialisation de la BNV-D le plus abouti à ce jour et à notre connaissance.

59Cependant, des limites de la méthode sont à prendre en compte lors de l’utilisation des données à des fins de recherche ou en appui aux politiques publiques. Certaines sont liées aux données à l’entrée alors que d’autres sont attribuables à la méthode de spatialisation choisie. Parmi ces dernières, les plus importantes sont : i) les divergences possibles entre les codes postaux sièges de la BNV-D et les codes postaux physiques des parcelles ; ii) des doses qui ne distinguent pas suffisamment les pratiques d’une culture à l’autre ; iii) la non-prise en compte des parcelles cultivées en agriculture biologique. Des pistes d’amélioration concernant ces 3 points sont à l’étude et donneront suite à de futures versions des données.

60Pour alimenter des futurs travaux statistiques en agronomie, économie ou épidémiologie, nous proposons ici une agrégation des résultats de la spatialisation à l’échelle de la commune. Cela augmente le nombre d’observations d’un peu moins de 6 000 codes postaux à plus de 34 000 communes et facilite l’interopérabilité avec d’autres bases de données.

Supplemental Materials

61Les jeux de données sont intégrés dans une application R Shiny permettant la création à la volée des cartes et des graphiques ainsi que le téléchargement de l’ensemble ou des parties des données selon différents critères (substance, fonction, toxicité). Cette application est accessible à l’adresse suivant : https://shiny.sk8.inrae.fr/​app_direct/​odr-shiny-obnvds.

Dataset Description

62Éléments communs :

  • séparateur : ";"

  • encodage : UTF-8

  • code des valeurs manquantes : "NA"

  • séparateur décimal : "."

63Convention de nommage des fichiers : Les fichiers sont organisés dans des dossiers selon leur millésime.

64Arborescence/plan de classement des fichiers :

65Le même plan s’applique aux données avec l’extension ‘.parquet.’

.
├── 2015
│ ├── bnvd_statut_2015.csv
│ ├── com_insee_famille_simple_qsa_2015.csv
│ ├── com_insee_occsol_2015.csv
│ ├── com_insee_amm_2015.csv
│ └── com_insee_qsa_2015.csv
├── 2016
│ ├── bnvd_statut_2016.csv
│ ├── com_insee_famille_simple_qsa_2016.csv
│ ├── com_insee_occsol_2016.csv
│ ├── com_insee_amm_2016.csv
│ └── com_insee_qsa_2016.csv
├── 2017
│ ├── bnvd_statut_2017.csv
│ ├── com_insee_famille_simple_qsa_2017.csv
│ ├── com_insee_occsol_2017.csv
│ ├── com_insee_amm_2017.csv
│ └── com_insee_qsa_2017.csv
├── 2018
│ ├── bnvd_statut_2018.csv
│ ├── com_insee_famille_simple_qsa_2018.csv
│ ├── com_insee_occsol_2018.csv
│ ├── com_insee_amm_2018.csv
│ └── com_insee_qsa_2018.csv
├── 2019
│ ├── bnvd_statut_2019.csv
│ ├── com_insee_famille_simple_qsa_2019.csv
│ ├── com_insee_occsol_2019.csv
│ ├── com_insee_amm_2019.csv
│ └── com_insee_qsa_2019.csv
├── 2020
│ ├── bnvd_statut_2020.csv
│ ├── com_insee_famille_simple_qsa_2020.csv
│ ├── com_insee_occsol_2020.csv
│ ├── com_insee_amm_2020.csv
│ └── com_insee_qsa_2020.csv
└── LISEZMOI.md

66Informations spécifiques aux données pour com_insee_occsol.csv/com_insee_occsol.parquet

67Fichier contenant les surfaces agrégées par commune et par classe d’occupation du sol.

68Liste des variables/entêtes de colonne :

  • com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.

  • occsol : classe d’occupation des sols (groupes de cultures et zones non agricoles) (voir note méthodologique Ramalanjaona et al., 2020).

  • surf_ha : superficie géométrique (calculée) agrégée des parcelles concernées pour l’occupation des sols dans la commune ; en ha avec précision de 4 signes après le point décimal.

69Informations spécifiques aux données pour com_insee_amm.csv/com_insee_amm.parquet

70Fichier contenant les quantités de produits phyto spatialisées par commune.

71Liste des variables/entêtes de colonne :

  • com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.

  • amm : numéro d’autorisation de mise sur le marché (AMM) des produits phytopharmaceutiques renseigné dans la BNV-D.

  • conditionnement : "kg/ha" ou "L/ha" selon la BNV-D (la partie "/ha" est ajoutée par commodité).

  • eaj : emploi autorisé dans les jardins (EAJ), "Oui" ou "Non", produits agréés pour le grand public information issue de la BNV-D.

  • quantite_produit : quantité du produit (unité précisée dans la colonne "conditionnement") issue de la BNVDs pour la commune.

Informations spécifiques aux données pour com_insee_qsa.csv/com_insee_qsa.parquet

72Fichier contenant les quantités de substances actives spatialisées par commune.

73Liste des variables/entêtes de colonne :

  • com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.

  • substance : libellé de la substance active issu de la BNV-D.

  • cas : numéro CAS de la substance active issu de la BNV-D.

  • classification : issu de la BNV-D d’après les arrêtés annuels établissant la liste des substances actives soumises à la RPD ; pour 2015-2018 avec les modalités "N Organique", "N minéral", "T, T+, CMR", "Autre" ; pour 2019-2020 avec les modalités "Santé A", "Env B", "Env A", "CMR", "Autre".

  • classification_mention : issu de la BNV-D d’après les arrêtés annuels établissant la liste des substances actives soumises à la RPD ; "Substitution" ou "Exclusion".

  • code_sandre_substance : code Sandre de la substance issu de la BNV-D.

  • fonction_substance : fonction issue de la BNV-D avec les modalités suivantes "Fongicide", "Herbicide", "Herbicide – Antimousse", "Insecticide", "Insecticide – Acaricide", "Insecticide – Médiateur chimique", "Molluscicide", "Nématicide", "Rodenticide – Taupicide", "Régulateur de croissance", "Bactéricide – Virucide", "Autre usage – Répulsif", "Autre usage – Adjuvant", "Autre usage – Coformulant/Phytoprotecteur/Synergiste", "SA non phyto – Divers", "SA non phyto – Désinfectant – Biocide".

  • qsa : quantité de la substance active (en kg) issue de la BNVDs pour la commune.

Informations spécifiques aux données pour com_insee_famille_simple_qsa.csv/com_insee_famille_simple_qsa.parquet

74Fichier contenant les quantités de substances actives spatialisées par commune.

75Liste des variables/entêtes de colonne :

  • com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.

  • famille_substance : fonction simplifiée avec les modalités suivantes "Fongicide", "Herbicide", "Insecticide" et "Autres".

  • qsa : quantité de la substance active (en kg) issue de la BNVDs nb_substances : nombre des substances agrégées au sein de la famille pour la commune.

Informations spécifiques aux données pour bnvd_statut.csv/bnvd_statut.parquet

76Liste des variables/entêtes de colonne :

  • code_postal_acheteur : code postal de l’acheteur déclaré dans la BNV-D.

  • amm : numéro d’autorisation de mise sur le marché (AMM) des produits phytopharmaceutiques renseigné dans la BNV-D.

  • quantite_substance : quantité de substance active contenue dans le produit.

  • statut : résultat de la spatialisation avec les modalités suivantes :

    • « Spatialisée » : la vente a été spatialisée avec succès ;

    • « Pas d’occsol récepteur » : la vente n’est pas spatialisée ; le code postal de la vente est connu pour la couche d’occupation des sols, mais il n’y a pas de parcelles potentiellement réceptrices (avec une occupation des sols ayant un usage autorisé pour cette AMM) de traitements pour le produit ;

    • « CP dispatché » : la vente est spatialisée ; le code postal de la vente n’est pas présent parmi ceux de la couche d’occupation des sols, mais la vente a été attribuée à un ou plusieurs codes postaux disposant de parcelles réceptrices de traitements ;

    • « Pas de possibilité de dispatcher le CP » : la vente n’est pas spatialisée ; impossible d’attribuer la vente à un autre code postal disposant de parcelles réceptrices ;

    • « CP inconnu pour l’occsol » : la vente n’est pas spatialisée ; son code postal n’a pas de commune INSEE associée selon les autres sources de données (SIRENE, base des données des codes postaux) ;

    • « CP à 00000 » : la vente n’est pas spatialisée ; code postal de l’acheteur non attribué à la vente lors de sa déclaration par les distributeurs ;

    • « AMM de stockage » : la vente n’est pas spatialisée ; produit ayant uniquement des usages autorisés pour le stockage (silos, etc.) et qui ne fait donc pas objet de la spatialisation sur le parcellaire agricole et non agricole ;

    • « AMM pas dans ephy » : la vente n’est pas spatialisée ; information sur les usages autorisés du produit non disponible dans la base de données E-phy ;

    • « Unités ephy et bnvd incompatibles pour le CP » : la vente n’est pas spatialisée ; disparité entre le conditionnement déclaré dans la BNV-D et celui d’E-phy ;

    • « QSA non renseignée » : la vente n’est pas spatialisée en termes de substances ; produit ne disposant pas de mesure de sa substance active.

Localisation du dépôt des données et description des fichiers

77Les données en format « csv » sont accessibles ici : https://entrepot.recherche.data.gouv.fr/​dataset.xhtml?persistentId=doi:10.57745/​EJQWUZ.

78Les données en format « parquet » sont accessibles ici : https://entrepot.recherche.data.gouv.fr/​dataset.xhtml?persistentId=doi:10.57745/​FCQKYQ.

Remerciements

79Les auteurs expriment leur gratitude aux trois évaluateurs du papier pour leurs conseils précieux. Ce papier est le résultat d’un travail de longue haleine qui a mobilisé des nombreux scientifiques et experts. Ainsi, nous souhaitons remercier les membres du comité de pilotage : Remy Ballot, Corentin Barbu, Nolwenn Bougon, Antoine Camus, Marco Carozzi, Florence Fernandez, Laurence Guichard et Philippe Martin. Nous aimerions également mentionner les actuels et anciens membres de l’équipe de l’Observatoire du développement rural qui ont contribué au projet au fil des années : Pierre Cantelaube, Benjamin Lardot, Eric Cahuzac, Marie Carles, Pascal Filippi, Eva Groshens, Lovasoa Ramalanjaona, Claire Séard et Camille Truche.

Liens hypertextes

80BNV-D Traçabilité : https://ventes-produits-phytopharmaceutiques.eaufrance.fr/​

81E-Phy sur Data.gouv : https://www.data.gouv.fr/​fr/​datasets/​donnees-ouvertes-du-catalogue-e-phy-des-produits-phytopharmaceutiques-matieres-fertilisantes-et-supports-de-culture-adjuvants-produits-mixtes-et-melanges/​#/​resources

82RPG via IGN : https://geoservices.ign.fr/​rpg

83RPG complété : https://entrepot.recherche.data.gouv.fr/​dataverse/​odr_sysagri?q=&fq2=keywordValue_ss%3A%22RPG%2C+RPG+compl%C3%A9t%C3%A9%22&fq0=subtreePaths%3A%22%2F123960%2F9%2F123452%2F123672%22&fq1=dvObjectType%3A%28dataverses+OR+datasets%29&types=dataverses%3Adatasets&sort=dateSort&order=

84Statistiques agricoles annuelles : https://agreste.agriculture.gouv.fr/​agreste-web/​disaron/​SAA-SeriesLongues/​detail/​

Extraits des données

BNV-D « Registre » (table « achats » des substances au code postal)

Extrait de 2020, lignes aléatoires de la région Centre

Extrait de 2020, lignes aléatoires de la région Centre

RPG

Extrait de 2020, lignes aléatoires de la région Bourgogne-Franche-Comté

Extrait de 2020, lignes aléatoires de la région Bourgogne-Franche-Comté

E-Phy

Extrait de la table « produits_usages_utf8.csv »

Extrait de la table « produits_usages_utf8.csv »

Extrait de la table « permis_de_commerce_parallele_utf8.csv »

Extrait de la table « permis_de_commerce_parallele_utf8.csv »

Tableau 18 : Produits et quantités de substances actives (en kg) sans dose spatialisable auxquels nous avons attribué une dose unique égale à 1 pour les cultures autorisées

AMM

QSA 2015

QSA 2016

QSA 2017

QSA 2018

QSA 2019

QSA 2020

2000097

1 299

988

40

47

68

566

2000124

0

0

0

0

0

0

2000136

273

104

0

0

0

0

2000228

492

32

2

1

7

5

2000364

2

6

14

14

6

0

2000378

1 230

2

0

0

0

0

2000512

0

0

0

0

0

0

2000536

41 256

5 794

3 544

3 452

3 904

3 702

2010121

0

0

0

0

0

0

2010142

1

0

1

1

1

45

2010143

3 115

2 905

1 454

842

111

12

2010261

3 281

5 258

6 635

8 860

5 544

9 437

2010273

71

0

2

9

1

4

2010275

1

9

5

6

0

0

2010378

5

4

7

2

0

0

2010430

0

0

0

0

0

0

2010439

84

68

243

45

0

0

2010495

82 299

84 038

52 928

13 694

3 786

2 993

2010585

1 893

1 960

1 919

969

10

0

2010604

15

0

0

0

0

0

2020002

0

0

0

0

0

0

2020234

13 327

14 462

14 313

6 454

961

873

2020303

8

8

8

1

1

1

2020305

3

0

0

0

0

0

2020365

0

0

0

0

0

0

2030056

6 415

193

4

4

0

11

2030069

5

3

1

0

0

0

2030070

2 339

2 395

1 202

212

87

82

2030072

21 948

20 956

15 568

3 529

1 074

701

2030073

35 814

38 657

31 589

10 410

6 687

2 560

2030110

6 540

10 705

16 147

7 017

2 969

1 182

2030169

80

4

0

0

0

0

2030173

133

87

0

16

3

0

2030226

998

1 252

1 395

1 532

1 045

71

2030406

0

0

0

0

0

0

2030429

2 490

2 641

940

118

26

11

2030430

38 863

44 291

33 907

12 287

4 040

2 247

2040063

209

44

6

12

0

0

2040076

5

0

0

0

0

0

2040205

121

40

0

1

0

0

2040321

1

0

0

0

0

0

2040322

0

0

0

0

0

0

2040323

0

0

0

0

0

0

2040336

40 514

15 446

1 350

115

0

0

2050078

4 308

4 591

4 917

6 177

4 818

5 976

2050136

3 904

2 943

3 508

3 961

3 169

4 584

2050142

0

5

0

5

0

1

2060111

278

68

364

390

398

366

2060114

5 575

643

654

25

21

0

2060175

37 002

31 709

29 107

19 303

14 449

16 759

2080025

10 758

11 568

11 879

14 178

17 393

16 515

2080049

10 814

13 392

20 681

20 475

1

0

2080061

6 921

11 192

10 764

15 980

952

0

2080091

201

62

147

4

1

1

2090030

0

0

0

0

0

0

2090051

20 556

19 184

22 171

24 602

12 860

4 221

2090062

210

48

15

0

12

0

2090109

491

1 171

2 141

835

12

35

2090146

2

3

5

6

10

17

2090160

495 941

1 679 818

3 169 104

3 949 044

2 624 836

1 830 687

2090163

73 495

86 481

110 678

139 671

130 492

104 937

2090169

59

28

20

9

14

17

2090200

30

53

62

39

31

43

2100035

196

122

40

68

0

0

2100036

594

1 087

971

249

102

76

2100124

1 438

25

2

0

0

0

2100154

59 210

107 120

1 678

183

186

222

2100175

429

801

850

791

719

1 133

2100208

2 509

2 326

3 236

2 294

1 626

8

2100241

78

162

116

304

48

56

2100242

0

0

0

0

0

0

2110009

287

635

755

619

748

716

2110017

34

950

26

91

1

41

2110074

2

1

1

0

0

0

2110076

784

835

878

970

919

2 222

2110083

70

14

8

1

1

1

2110084

19

21

32

42

40

1

2110121

67 256

58 506

71 390

68 684

471

112

2110179

2 275

2 452

2 218

2 062

1 846

1 970

2120030

1 840

343

873

480

951

1 114

2120058

22 882

22 300

20 411

26 438

10 470

27 146

2120124

3

0

0

0

0

0

2120130

1 776

2 029

1 422

1 449

2 096

2 949

2130077

11 324

14 434

14 108

21 466

5 537

120

2130108

3 214

491

728

688

620

690

2130109

352

203

64

7

129

303

2130112

210

218

242

69

128

595

2130114

31

27

135

148

0

94

2130115

2 443

3 245

2 139

4 350

3 693

3 530

2130267

0

0

0

0

0

0

2130272

145

186

184

191

95

47

2140041

14

21

28

105

78

11

2140043

942

6 581

17 147

32 919

39 412

5 775

2140044

829

941

2 661

10 926

2 091

611

2140086

2 278

5 268

7 656

11 655

10 657

7 602

2140093

8 262

131 108

300 357

357 993

326 626

593 259

2140143

0

0

0

0

60

13

2140146

0

0

0

0

0

849

2140215

9 157

8 839

15 351

15 835

12 592

15 351

2150086

27

334

338

455

378

432

2150105

0

0

0

0

3 571

5 352

5900316

0

0

0

0

0

0

5900368

4 791

7 447

7 830

4 625

2 096

2 197

6000328

0

0

0

0

0

0

6600397

43

30

14

69

45

29

7000169

1

1

0

0

0

0

7200137

0

0

0

0

0

0

7400610

0

0

24

21

0

0

7400634

30

37

154

16

6

10

7400636

19

0

6

0

0

0

7400648

1

0

0

0

0

0

7400649

10

5

0

0

0

0

7400758

0

0

0

0

0

0

7500589

0

0

0

0

0

0

7700385

149 843

213 690

104 040

66 300

0

0

7700788

0

0

0

0

0

0

7800552

29

0

0

0

0

0

8100268

32

0

0

0

0

0

8100315

0

0

0

0

0

0

8100345

9 246

10 455

11 170

14 527

21 185

19 926

8100462

2 531

2 232

1 625

1 371

983

1 303

8400215

51 802

13 984

6 163

148

0

0

8400276

4

0

0

0

0

0

8400364

0

0

106

62

5

3

8400539

0

0

0

0

0

0

8400549

163

38

4

0

0

0

8500183

63

45

14

1

0

0

8500347

19

18

3

4

0

0

8500348

1

0

0

1

0

0

8500351

36

8

3

1

1

1

8500352

0

0

0

0

0

0

8600027

12 050

12 437

12 354

16 439

6 216

58

8600110

2

0

0

0

0

0

8600349

1 256

858

773

616

607

417

8600395

1 493

931

820

881

827

890

8600659

0

0

0

0

0

1

8700111

1 404

1 255

1 006

1 046

1 031

1 261

8700155

1

1

1

1

1

0

8700304

1 457

737

386

220

132

74

8700305

127

186

217

167

46

1

8700542

51 798

77 045

599

34

0

0

8800001

55

65

22

82

20

12

8800108

0

0

0

0

0

0

8800335

0

0

0

0

0

0

8800423

0

0

0

0

0

0

8800499

0

0

0

0

0

0

8800519

4 696

4 506

4 039

3 840

4 000

3 702

8800550

16

0

0

0

0

0

8800941

60 009

43 056

47 934

30 285

15 247

2 899

8900124

2

142

127

116

0

0

8900132

0

0

0

0

0

0

8900685

953

805

800

828

840

4 367

8900692

216

367

15

0

1

0

9000001

0

0

0

0

0

0

9000319

203

141

281

34

1

0

9000359

93

34

24

12

623

520

9000360

198

143

78

71

62

61

9000361

2 896

2 344

2 323

1 881

1 844

1 347

9000362

2 912

1 594

2 064

861

1 709

70

9000834

17 429

18 821

19 081

17 085

42

4

9100650

12 054

5 387

5 138

1 373

217

160

9200058

0

2

1

1

1

0

9200062

0

1

1

1

0

0

9200145

0

0

0

0

0

0

9200370

169

242

0

0

0

0

9200379

1 125

1 284

1 588

2 203

1 673

3 246

9200380

2 310

2 870

3 375

5 178

2 811

8 745

9200392

9 032

6 936

6 941

186

42

121

9200520

599

0

0

0

0

0

9200532

19 223

20 894

19 792

19 644

16 308

8 538

9300065

11 711

20 599

23 753

5 623

48 557

28 721

9300214

0

0

0

0

0

0

9300379

3

1

0

0

0

0

9400008

6 901

6 189

7 660

5 871

4 402

4 863

9400235

3 418

1 929

1 099

453

281

285

9400246

0

0

0

0

0

0

9400458

1 069

215

114

4

6

5

9400459

324

286

236

273

272

0

9400460

8 827

11 899

11 800

3 709

4 415

14 726

9400462

105

125

105

88

75

61

9400495

19 665

16 245

1 549

787

21

2 312

9500088

38

30

13

3

0

0

9500122

3

0

0

1

0

0

9500135

28 955

32 110

23 763

13 808

2 540

29

9500296

52

33

40

114

27

27

9500467

85

64

100

40

110

80

9500648

220

0

0

0

0

0

9600510

2 469

45

15

11

5

179

9700192

30

66

0

33

0

53

9800125

2

0

0

0

0

0

9800129

2 176

0

0

0

0

0

9800201

19 068

33 718

15 917

6 824

5 043

3 085

9800207

219

156

155

155

139

135

9800255

1

2

0

0

0

0

9800350

35

188

100

22

0

2

9800481

35 544

45 289

46 130

32 530

51 959

51 283

9900018

1

0

0

0

0

0

9900019

0

0

0

0

0

0

9900023

0

0

0

0

0

0

9900123

642

690

419

307

431

352

9900276

247

434

6

5

0

0

9900277

3

6

0

0

0

0

9900333

0

0

0

0

0

0

9900350

26 570

23 938

23 156

23 190

0

0

9900352

0

0

0

0

0

0

9900371

7 321

2 484

1 816

1 132

1 082

624

2000041

0

3

0

0

0

2

2000300

0

0

0

0

0

0

2010124

0

13

0

10

0

0

2040120

0

13

0

0

0

8

2040121

0

6

11

10

12

5

2040140

0

6

2

1

0

0

2090141

0

4 406

19 645

13 448

4 883

14

2100105

0

1

0

1

0

0

2130123

0

25

0

0

0

0

2140091

0

0

0

0

0

0

2150068

0

6

8

0

22

34

2150112

0

22

157

7 285

4 700

4 648

2150179

0

74

360

758

1 009

1 032

2160230

0

47

36

37

108

68

2160273

0

265

1 713

2 057

690

213

2160423

0

4

119

536

413

1 200

2160704

0

1 562

124 388

229 363

145 397

101 008

8500353

0

0

0

0

0

0

8500354

0

0

0

0

0

0

8500616

0

5

81

0

0

0

8700127

0

7

0

0

0

0

9100500

0

1

0

0

0

0

9200056

0

1

0

0

0

0

9800097

0

2

0

0

0

0

2030074

0

0

0

0

0

0

2100130

0

0

8

0

0

0

2150847

0

0

11

29

27

26

2160321

0

0

6

7

10

0

2160383

0

0

49

9

23

17

2160944

0

0

1 334

1 759

830

1 217

2160960

0

0

56 322

110 352

84 822

163 886

2161035

0

0

3

61

275

138

2170042

0

0

288

5 184

8 991

91 456

2170230

0

0

2

435

546

1 054

2170434

0

0

6

135

788

1 102

2170752

0

0

119

296

409

1 675

2170902

0

0

495

76 554

46 169

53 422

2171126

0

0

7

160

396

474

2171253

0

0

0

0

0

0

8400175

0

0

30

0

0

0

9400130

0

0

28

0

0

0

9400332

0

0

4

0

0

0

9500444

0

0

0

0

0

0

2040084

0

0

0

0

0

0

2060046

0

0

0

0

0

0

2150175

0

0

0

46

9

16

2160929

0

0

0

739

586

600

2170392

0

0

0

25

27

1

2170711

0

0

0

206

352

435

2170785

0

0

0

1 624

2 020

1 739

2170907

0

0

0

17 468

23 549

43 099

2170960

0

0

0

69

77

80

2180124

0

0

0

72

1 004

11 051

2180703

0

0

0

113

3 051

6 300

2189997

0

0

0

0

0

0

8700460

0

0

0

1

1

0

9900229

0

0

0

30

0

0

2090145

0

0

0

0

0

0

2120105

0

0

0

0

8

9

2170713

0

0

0

0

594

183

2170871

0

0

0

0

17 741

338

2180226

0

0

0

0

220

144

2180257

0

0

0

0

14

7

2180436

0

0

0

0

52

127

2180549

0

0

0

0

12

160

2180766

0

0

0

0

90

77

2190215

0

0

0

0

1 387

1 203

9300094

0

0

0

0

0

0

9500460

0

0

0

0

1

0

2040003

0

0

0

0

0

9

2060107

0

0

0

0

0

6

2100070

0

0

0

0

0

1

2150077

0

0

0

0

0

3

2190311

0

0

0

0

0

2 055

2200078

0

0

0

0

0

0

9200176

0

0

0

0

0

0

Complémentarité RPG et RPG Complété

Carte 7 : Source des parcelles du code postal 51190 en 2020

Carte 7 : Source des parcelles du code postal 51190 en 2020

Figure 9 : Complémentarité RPG et RPG complété à l’échelle du code postal 51190 en 2020

Figure 9 : Complémentarité RPG et RPG complété à l’échelle du code postal 51190 en 2020

Tableau 19 : Nombre de parcelles et surfaces en kha par groupe de cultures, RPG et RPG complété, 2020 France métropolitaine

Groupe de cultures

Libellé

RPG + RPG complété surface (en 1 000 ha)

RPG

RPG complété

Nombre de parcelles

Surface (en 1 000 ha)

Part du total

Nombre de parcelles

Surface (en 1 000 ha)

Part du total

PP

Prairies permanentes

8 879,3

3 053 607

7 785

88 %

2 879 205

1 094

12 %

BLE

Blé

4 806,9

963 079

4 767

99 %

73 533

40

1 %

MAIS

Maïs

3 308,7

932 840

3 281

99 %

48 866

28

1 %

STH

Surfaces toujours en herbe

2 520,1

326 451

2 227

88 %

842 051

293

12 %

ORGE

Orge

1 974,3

424 040

1 969

100 %

8 783

5

0 %

PT

Prairies temporaires

1 800,0

703 561

1 463

81 %

864 414

337

19 %

COLZA

Colza

1 113,3

182 900

1 111

100 %

4 266

3

0 %

LFOURR

Légumineuses fourrage

812,3

298 761

812

100 %

15

0

0 %

TOUR

Tournesol

780,9

164 177

776

99 %

7 831

5

1 %

VIGNES

Vignes

781,9

481 932

587

75 %

625 921

195

25 %

GEL

Gel/friches

491,5

523 001

469

95 %

67 526

23

5 %

BETT

Betterave

429,8

58 647

430

100 %

59

0

0 %

CEREALES

Céréales

292,5

108 980

287

98 %

9 579

5

2 %

LEGU

Légumes

251,5

111 665

219

87 %

126 685

33

13 %

PDT

Pommes de terre

211,8

50 766

212

100 %

0 %

POIS

Pois

201,1

36 255

201

100 %

0 %

SOJA

Soja

187,0

44 401

186

100 %

1 566

1

0 %

FIBRE

Cultures pour fibres

158,8

25 015

159

100 %

343

0

0 %

VERGERS

Vergers

174,1

88 425

122

70 %

127 331

52

30 %

FOURR

Fourrages

101,0

43 063

89

88 %

9 023

12

12 %

FEV

Féveroles

75,8

19 375

76

100 %

0 %

INDUS

Cultures industrielles

73,1

34 532

71

97 %

3 230

2

3 %

LGRAIN

Légumineuses grain

59,0

15 855

59

100 %

0 %

PROTEA

Protéagineux

47,8

12 099

47

99 %

727

0

1 %

COQUE

Fruits à coque

47,9

34 181

46

97 %

4 341

2

3 %

OLEA

Oléagineux

38,9

7 373

39

100 %

289

0

0 %

RIZ

Riz

14,5

1 703

15

100 %

0 %

OLIVE

Oliveraies

17,2

18 294

13

75 %

13 670

4

25 %

DIVERS

Divers

2,3

0 %

3 846

2

100 %

SEMENCES

Cultures pour semences

0,1

0 %

64

0

100 %

TOTAL

29 653,1

8 764 978

27 516

93 %

5 723 164

2 137

7 %

Tableau 20 : Temps de calcul d’exécution des scripts de construction des bases

Traitements

Tables plus importantes

Script

Espace

Temps de calcul

Construction de l’occsol

parcelles

src/01.occsol.py

> 30 Go

2 h

Calcul des doses

amm_cult_dhmed, amm_occsol_dhref, amm_occsol_dhref_2, amm_surf_cp

src/03.Calc_coef.R

> 4 Go

< 1 h

Calcul des coefficients

coef_amm_cp

src/03.Calc_coef.R

> 6 Go

< 1 h

Spatialisation des quantités

bnvd_amm, bnvd_amm_cor, bnvd_sa, bnvd_sa_cor, correctif_cp_coef, com_adm_occsol

src/02.BNVd.R
src/04.BNVd_corrige_cp.R
src/05.Precalcul_com_adm.py

< 500 Mo

< 1 h

Agrégation selon l’échelle ciblée

com_adm_occsol_amm, com_adm_occsol_qsa

src/05.Precalcul_com_adm.py

> 4 Go

< 1 h

Carte 8 : Nombre de communes par code postal et part de SAU associée

Carte 8 : Nombre de communes par code postal et part de SAU associée

85La Carte 8 est à l’échelle des codes postaux. Ces derniers sont regroupés en 4 catégories, ceux qui ne contiennent qu’une seule commune (1 820 codes postaux), les codes postaux qui concernent entre 2 et 4 communes (1 496 codes postaux), ceux qui ont entre 5 et 9 communes (1 382 codes postaux) et enfin ceux qui ont 10 communes et plus (1 350 codes postaux). Pour ces trois catégories, la version ouverte représente un gain de précision sous couvert des hypothèses de spatialisation. Pour chaque catégorie est également indiqué le pourcentage de la SAU de l’ensemble des codes postaux de la classe. On constate que les codes postaux qui ne concernent qu’une seule commune ne représentent que 3,9 % de la SAU de France métropolitaine, tandis que les codes postaux englobant dix communes ou plus contiennent 57 % de la SAU de France métropolitaine. Les codes postaux qui sont représentés ici sont les codes postaux hors CEDEX.

Haut de page

Bibliographie

Agreste., 2023, “Les traitements phytosanitaires”. https://vizagreste.agriculture.gouv.fr/les-traitements-phytosanitaires.html (accédé le 31/01/2024).

Bailey G. W., Swank R. R., Nicholson H. P., 1974, “Predicting Pesticide Runoff from Agricultural Land: A Conceptual Model”, Journal of Environmental Quality, Vol.3, No.2, 95‑102.

Cantelaube P., Lardot B., 2021, Construction d’une base de données géographiques exhaustive à échelle fine sur l’occupation agricole du sol : Le « RPG complété ». Partie 2 : Attribution des cultures aux parcelles susceptibles d’accueillir les surfaces agricoles hors RPG. Note méthodologique, US ODR, INRAE.

Damalas C. A., 2015, “Pesticide Drift: Seeking Reliable Environmental Indicators of Exposure Assessment”, in: Armon R. H., Hänninen O. (éd.), Environmental Indicators, Dordrecht, Springer Netherlands, 251‑261.

Descout M., Carozzi M., Girault B., Lungarska A., Poméon T., Martin P., 2023, “Spatialiser des ventes de produits phytosanitaires en prenant en compte les spécificités locales des pratiques. Modélisation de paysages agricoles pour l’analyse et la simulation de processus”, PAYOTE, INRAE, Oct. 2023, Paris, France. https://hal.inrae.fr/hal-04214377.

Eagleson S., Escobar F., Williamson I., 2002, “Hierarchical spatial reasoning theory and GIS technology applied to the automated delineation of administrative boundaries”, Computers, Environment and Urban Systems, Vol.26, Nos.2‑3, 185‑200.

Galimberti F., Bopp S. K., Carletti A., Catarino R., Claverie M., Florio P., et al., 2025, “Development of a spatial risk indicator for monitoring residential pesticide exposure in agricultural areas”, Scientific Reports, Vol.15, No.1, 16785.

Groshens E., 2013, Spatialisation des utilisations des pesticides à partir des données de ventes en Bretagne, rapport de recherche, Bretagne.

Hawkins N. J., Bass C., Dixon A., Neve P., 2019, “The evolutionary origins of pesticide resistance”, Biological Reviews, Vol.94, No.1, 135‑155.

Inserm., 2021, Pesticides et effets sur la santé : Nouvelles données, Collection Expertise collective, Montrouge, EDP Sciences.

Lardot B., Cantelaube P., Carles M., Séard C., Truche C., Poméon T., 2021, Construction d’une base de données géographiques exhaustive à échelle fine sur l’occupation agricole du sol : Le « RPG complété ». Partie 1 : Production de la couche géographique des parcelles susceptibles d’accueillir les surfaces agricoles hors RPG. Note méthodologique, US ODR, INRAE.

Lungarska A., Poméon T., Ramalanjaona L., Lision O., Cantelaube P., Lardot B., 2023, “Spatialization of phytopharmaceutical products’ purchases data at the scale of the agricultural plot in France”, Environnement, Risques & Santé, Vol.22, No.S1, 19‑26.

Mamy L., Pesce S., Sanchez W., et al., 2022, Impacts des produits phytopharmaceutiques sur la biodiversité et les services écosystémiques, Rapport de l’expertise scientifique collective. INRAE, Ifremer.

Martin P., Ramalanjaona L., Truche C., Ballot R., Carozzi M., Pomeon T., 2023, Modelling the spatialisation of pesticide sales to monitor environmental policies in France, Journal of Cleaner Production, Vol.403, 136880.

Office français de la biodiversité OFB., 2024, “Descriptif des données des achats des produits phytopharmaceutiques issues de la BNV-D Traçabilité”, https://backend-ventes-produits-phytopharmaceutiques.eaufrance.fr/tracabilite-api/a-propos/piece-jointe/BNVD_TRACABILITE_METADONNEES_ACHAT_20250915.pdf

Openshaw S. O., Taylor P. J., 1979, “A million or so correlation coefficients: Three experiments on the Modifiable Areal Unit Problem”, Statistical Applications in the Spatial Sciences, 127‑144.

Ramalanjaona L., Poméon T., Ballot R., Barbu C., Bougon N., Fernandez F., et al., 2020, Mise à jour du calcul des coefficients de répartition spatiale des données de la BNVd, Note méthodologique, US ODR, INRAE.

Rigal S., Perrot T., 2025, “Pesticides in France: ten years of combined exposure to active substances in land, air and surface water”, Scientific Data, Vol.12, No.512.

Thierion V., Vincent A., Valero S., 2022, “Theia OSO Land Cover Map 2021”, Zenodo.

Haut de page

Annexe

Glossaire

AAC : Aire d’alimentation de captage

Anses : Agence nationale de sécurité sanitaire de l’alimentation, de l’environnement et du travail

AMM : Autorisation de mise sur le marché

API : Application programming interface ou « interface de programmation d’application »

BNV-D : Banque nationale des ventes réalisées par des distributeurs de produits phytosanitaires

BNVDs : Version spatialisée de la BNV-D

CAS : Chemical Abstracts Service

CMR : Cancérogène, mutagène et reprotoxique

CP : Code postal

DROM : Départements et régions d’outre-mer

EAJ : Emploi Autorisé dans les Jardins

IFT : Indicateur de fréquence de traitements phytosanitaires

IGN : Institut national de l’information géographique et forestière

OFB : Office français de la biodiversité

OSO : Occupation des sols

PAC : Politique agricole commune

PPP : Produit phytopharmaceutique

QSA : Quantité de substance active

RPG : Registre parcellaire graphique

SA : Substance active

SAA : Statistique agricole annuelle

Sandre : Service d’administration nationale des données et référentiels sur l’eau

ZNA : Zone non agricole

Haut de page

Notes

1 Certaines substances actives organiques (bactéries/virus par exemple) ainsi que certaines substances actives chimiques ne disposent pas d’un numéro CAS.

2 La nomenclature des cultures peut varier d’un millésime à l’autre.

3 Sur les 33 605 usages autorisés, 173 n’ont pas de dose homologuée dans E-phy (0,5 %).

Haut de page

Table des illustrations

Titre Figure 1 : Complémentarité entre RPG et RPG complété, échelle nationale (France) en 2020
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-1.jpg
Fichier image/jpeg, 104k
Titre Figure 2 : Schéma global de la chaîne de traitement
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-2.jpg
Fichier image/jpeg, 276k
Titre Figure 3 : Définition d’un correctif pour dispatcher les produits associés à des CP « orphelins »
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-3.jpg
Fichier image/jpeg, 84k
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-4.png
Fichier image/png, 7,2k
Titre Carte 1 : QSA/ha à la commune, toutes familles confondues, toutes surfaces réceptrices, 2020
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-5.jpg
Fichier image/jpeg, 916k
Titre Figure 4 : Tables mises à disposition à l’issue des traitements
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-6.jpg
Fichier image/jpeg, 72k
Titre Figure 5 : Distribution des coefficients de variation des QSA à l’ha par substance active et par culture et région
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-7.jpg
Fichier image/jpeg, 488k
Titre Figure 6 : Assolement et QSA à l’hectare pour la région Nouvelle-Aquitaine
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-8.jpg
Fichier image/jpeg, 200k
Titre Figure 7 : Assolement et QSA à l’hectare pour la région Hauts-de-France
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-9.jpg
Fichier image/jpeg, 196k
Titre Carte 2 : QSA/ha des fongicides spatialisées à la commune en 2020 en France
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-10.jpg
Fichier image/jpeg, 804k
Titre Carte 3 : QSA/ha du glyphosate spatialisées à la commune en France en 2020
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-11.jpg
Fichier image/jpeg, 864k
Titre Carte 4 : QSA par hectare des fongicides dans le département du Gers en 2020 spatialisée à l’échelle communale (en haut) et rapportée à l’échelle des codes postaux (en bas)
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-12.jpg
Fichier image/jpeg, 600k
Titre Carte 5 : QSA par hectare de glyphosate dans le département du Rhône en 2020 spatialisée à l’échelle communale (à gauche) et rapportée à l’échelle des codes postaux (à droite)
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-13.jpg
Fichier image/jpeg, 300k
Titre Carte 6 : QSA/ha de glyphosate dans les communes de l’AAC de Fredon
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-14.jpg
Fichier image/jpeg, 452k
Titre Figure 8 : Différence entre code postal physique et code postal du siège de l’exploitation
Crédits (Source : Groshens, 2013)
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-15.jpg
Fichier image/jpeg, 56k
Titre Extrait de 2020, lignes aléatoires de la région Centre
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-16.png
Fichier image/png, 36k
Titre Extrait de 2020, lignes aléatoires de la région Bourgogne-Franche-Comté
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-17.png
Fichier image/png, 11k
Titre Extrait de la table « produits_usages_utf8.csv »
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-18.png
Fichier image/png, 57k
Titre Extrait de la table « permis_de_commerce_parallele_utf8.csv »
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-19.png
Fichier image/png, 64k
Titre Carte 7 : Source des parcelles du code postal 51190 en 2020
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-20.jpg
Fichier image/jpeg, 508k
Titre Figure 9 : Complémentarité RPG et RPG complété à l’échelle du code postal 51190 en 2020
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-21.jpg
Fichier image/jpeg, 140k
Titre Carte 8 : Nombre de communes par code postal et part de SAU associée
URL http://journals.openedition.org/cybergeo/docannexe/image/42638/img-22.jpg
Fichier image/jpeg, 583k
Haut de page

Pour citer cet article

Référence électronique

Olivier Lision, Anna Lungarska et Thomas Poméon, « Les données d’achat des pesticides en France spatialisées à l’échelle de la commune », Cybergeo: European Journal of Geography [En ligne], Data papers, document 1102, mis en ligne le 26 janvier 2026, consulté le 16 février 2026. URL : http://journals.openedition.org/cybergeo/42638 ; DOI : https://doi.org/10.4000/15lv5

Haut de page

Auteurs

Olivier Lision

Chargé de mission, Univ Toulouse, INRAE, ODR, Castanet-Tolosan, France, olivier.lision@inrae.fr

Anna Lungarska

Ingénieure d’étude, Univ Toulouse, INRAE, ODR, Castanet-Tolosan, France, anna.lungarska@inrae.fr

Thomas Poméon

Ingénieur de recherche, Univ Toulouse, INRAE, ODR, Castanet-Tolosan, France, thomas.pomeon@inrae.fr

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont susceptibles d’être soumis à des autorisations d’usage spécifiques.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search