Navigation – Plan du site

Accueilnumeros2020/3-2021/1VariaL’identification des micro-zones ...

Varia

L’identification des micro-zones d’insécurité résidentielle : le cas du marché locatif à Montréal

Identifying micro-zones of residential insecurity : the case of the Montreal rental market
Xavier Leloup

Résumés

Mesurer l’insécurité résidentielle devient primordial dans un contexte où la demande pour des logements locatifs est en croissance et conduit à de nouvelles dynamiques de marché. Plusieurs travaux se sont ainsi penchés sur l’insécurité résidentielle des locataires, en particulier de longue durée. Si ces travaux ont permis de dégager les différentes dimensions de l’insécurité résidentielle, ils prennent peu en compte ses manifestations spatiales. La présente étude propose de combler ce manque relatif dans la littérature en s’intéressant au cas de Montréal, une ville où, comme dans le reste du Canada, l’accession à la propriété est encore soutenue, mais une pénurie de logements locatifs se dessine depuis quelques années. L’étude met ainsi en évidence une montée de l’insécurité résidentielle sévère dans certains quartiers qui contribue à une polarisation du marché du logement. Ces résultats sont obtenus à travers une méthode mobilisant les propriétés de l’analyse factorielle confirmatoire ayant pour but de produire un modèle de mesure à l’échelle des aires de diffusion, les plus petites unités géographiques disponibles dans le recensement canadien.

Haut de page

Notes de l’auteur

Financement
Cette étude a été rendue possible par une subvention du Conseil de recherche en sciences humaine de Canada – CRSH (nr. de subvention 430-2018-0595). Les cartes de l’encadré sur l’évolution de la géographie sociale de Montréal ont été produites par Richard Maaranen dans le cadre du Neighbourhood Change Research Partnership – NCRP subventionné par le CRSH et dirigé par David Hulchanski (Université de Toronto). À titre de membre du partenariat, l’auteur du présent article est autorisé à les utiliser. Cette utilisation n’engage que l’auteur et les propos tenus sont entièrement siens.

Texte intégral

Introduction

1Le secteur du logement locatif a connu récemment un rebond, en particulier dans les années entourant la dernière crise financière (2007-08). Le taux de propriété, en hausse depuis plusieurs décennies, a diminué dans plusieurs pays, en particulier dans les pays anglo-saxons : l’Australie, la Nouvelle-Zélande, le Royaume-Uni et les États-Unis [Pawson, Hulse et Morris, 2017]. Il s’est par contre accru au Canada, même si la demande en logement locatif y est soutenue [Markovich, 2018]. La demande renouvelée pour le locatif s’explique par le resserrement des contraintes imposées aux ménages dans l’accès au crédit hypothécaire, à la hausse des prix de l’immobilier et aux dynamiques de formation des ménages soutenues par la croissance économique.

2En parallèle, le secteur du logement est au centre d’un processus de financiarisation initié au milieu des années 1990, et qui a pu opérer très rapidement dans certains contextes, remplaçant l’approche patrimoniale jusque-là en vigueur par une logique propre à la gestion financière [Nappi-Choulet, 2013]. Cette évolution a poussé deux auteurs à avancer l’idée d’une crise mondiale du logement dont les signes seraient partout présents. Ces auteurs insistent cependant sur la nécessaire identification des « victimes » de la crise. Ils craignent sinon que le terme soit utilisé à des fins idéologiques pour en appeler à une dérégulation accrue en matière d’urbanisme et de gestion du marché du logement [Madden et Marcuse, 2016]. Un tel usage ferait de la crise un élément prédictible, attendu d’un développement de l’espace centré sur le capital.

3L’accent mis sur les liens entre financiarisation du secteur de l’habitat et crise du logement trouve un écho dans les travaux qui ont cherché à en produire une évaluation empirique centrée sur les difficultés vécues par les ménages qui en ressentent les effets. La sécurité résidentielle s’est imposée comme un thème central dans ces travaux, en particulier pour les locataires, et la définition de Hulse et Mulligan [2014 : 643] a souvent été reprise : « la capacité qu’ont les ménages qui occupent un logement loué à y accéder et y rester, dans la mesure où ils le souhaitent […] Il s’agit d’un concept multidimensionnel qui implique de pouvoir participer au marché du logement […] et d’exercer un certain contrôle sur les conditions de logement et sur le chez-soi » (notre traduction). Trois dimensions participent à la sécurité résidentielle. La dimension de jure se rapporte aux lois et normes du contrat de location. La dimension de facto implique tous les éléments concrets qui englobent la stabilité résidentielle et la jouissance des lieux. Le loyer et ses évolutions y jouent un grand rôle. La qualité et la sécurité du logement entrent également en jeu. Les règles entourant l’usage des lieux influent, quant à elles, sur la possibilité qu’ont les ménages de développer un sentiment de chez-soi. La dernière dimension est perceptuelle et renvoie aux attitudes que les ménages entretiennent à l’égard de leur situation résidentielle en lien avec les valeurs sociales qui y sont liées, l’accès à la propriété étant souvent associé à une plus grande sécurité résidentielle.

4Cette définition a surtout été mise à profit par des travaux empiriques qui ont cherché à mesurer la sécurité résidentielle des locataires [Hulse, Morris et Pawson, 2018 ; Pawson, Hulse et Morris, 2017]. Ces travaux ont mis en évidence l’importance de prendre en compte les inégalités. Les ménages au bas de l’échelle des revenus vivent des situations plus précaires, en particulier parce qu’ils sont plus exposés aux mobilités non voulues, alors que ceux disposant de revenu plus élevé peuvent y voir un statut d’occupation qui s’accorde mieux à leur style de vie [Forrest et Hirayama, 2014]. Basées sur des enquêtes par questionnaire, ces études proposent une analyse mêlant perceptions et éléments objectifs propres à la situation résidentielle des ménages. D’autres travaux s’appuient uniquement sur les seconds dans une perspective pratique articulée aux politiques du logement [Routhier, 2018]. Ils cherchent à quantifier le problème afin d’orienter la réponse à lui donner.

5Ces travaux partagent en commun de faire de la sécurité résidentielle une caractéristique individuelle. S’ils incorporent des facteurs contextuels, c’est principalement dans leur relation avec les trajectoires et situations résidentielles des ménages. Les effets des pressions accrues qui s’exercent sur le marché locatif sur l’évolution de l’insécurité résidentielle et ses manifestations spatiales sont peu pris en compte. Le présent article vise à combler ce manque.

6L’article commence par une mise en contexte théorique visant à dégager les dynamiques à l’œuvre à l’échelle urbaine en lien avec les évolutions récentes du marché du logement. Le cas de Montréal sera pris en exemple tout au long de cette section, ce qui permettra de mieux saisir le contexte spécifique de l’étude. L’article présente ensuite une méthodologie de mesure basée sur l’analyse factorielle confirmatoire, afin d’élaborer un indice de l’insécurité résidentielle à une échelle spatiale fine. La méthodologie sera appliquée aux données de recensement de 2006 et 2016, une décennie marquée par une reprise de l’économie montréalaise suite à la récession de 2007-08. Les résultats seront présentés en deux temps : une étude du modèle de mesure proposé et la cartographie des scores qu’il permet d’estimer, à laquelle s’ajoute un profil descriptif des unités géographiques selon leur degré d’insécurité résidentielle. En conclusion, le texte reviendra sur les liens entre insécurité résidentielle et inégalités urbaines, ainsi que sur l’apport et les limites de la méthodologie proposée.

Insécurité résidentielle et inégalités urbaines

7Dans les relations entre insécurité résidentielle et inégalités urbaines, c’est l’intensification des investissements qui est d’abord mis de l’avant, parce qu’elle se répercute sur les coûts et conditions d’occupation des logements. Elle est souvent identifiée, à travers le néologisme d’investification, comme à l’origine des difficultés accrues des locataires à se loger [Fields et Uffer, 2014 ; Hulse et Reynolds, 2017]. Il importe toutefois de reconnaître qu’elle prend des formes différentes selon les contextes.

  • 1 Un encadré à la fin de l’article présente en bref la géographie sociale de Montréal et sa transform (...)

8La plus ancienne est associée aux processus de gentrification par lesquels un ensemble de ménages s’installent dans un quartier en mobilisant des revenus qui en dépassent la moyenne. De tels processus ont été documentés dans de nombreuses villes, dont Montréal [Germain et Rose, 2000 ; Van Criekingen et Decroly, 2003]1. Un de leurs effets est de tirer à la hausse les valeurs immobilières et rendre les logements moins accessibles. À Montréal, ce processus est à l’œuvre dans les quartiers centraux depuis la fin des années 1970. D’abord essentiellement confiné au Plateau Mont-Royal, un quartier adjacent au centre-ville, il s’est étendu progressivement à des « banlieues anciennes » (inner-ring suburbs) de l’île de Montréal, comme les quartiers Hochelaga ou Villeray. Dans ces quartiers, les conversions d’unités locatives en copropriétés ou maisons unifamiliales se sont multipliées et les valeurs immobilières y ont augmenté plus rapidement que dans l’ensemble de la Ville de Montréal [Guilbault-Houde, Sénécal et Vachon, 2015 ; Sénécal et Vachon, 2016].

9Les effets de ce processus de réinvestissement mené par des ménages privés, parfois avec le soutien des autorités publiques [Rose, 2009], sont profonds. La gentrification transforme la structure sociale générale des villes. La « nouvelle géographie sociale » de Montréal a été fortement influencée par ce processus. Alors qu’au début des années 1980, les quartiers dont les revenus étaient en dessous de la moyenne régionale se trouvaient localisés dans le centre, ils apparaissent aujourd’hui beaucoup plus dispersés et éloignés du centre-ville [Leloup et Rose, 2020 ; Leloup, Rose et Maaranen, 2018]. Les écarts de revenu entre quartiers se sont aussi accrus [Bolton et Breau, 2012]. Les ménages qui réinvestissent les quartiers centraux sont souvent composés de couples avec ou sans enfant dont les deux partenaires travaillent, ce qui accroît les écarts de revenu entre ménages familiaux et ceux d’une seule personne [Leviten-Reid et Parker, 2018 ; Rose et Villeneuve, 1998]. L’accroissement des inégalités contribue en général à un approfondissement des difficultés à se loger pour les ménages au bas de l’échelle, puisque l’augmentation moyenne des revenus pousse les loyers à la hausse. La gentrification a atténué le mécanisme de filtering down sur le marché du logement, c’est-à-dire l’accès à un stock de meilleure qualité pour les ménages à faible revenu dû à l’investissement dans un stock neuf. La gentrification contribue plutôt à l’augmentation plus rapide des valeurs immobilières sans que se libère un stock en meilleure condition [Skaburskis, 2006].

10Une autre tendance, plus récente, est la financiarisation croissante du secteur du logement, et en particulier du secteur locatif. Les fonds de placement et grandes compagnies immobilières sont nombreux à vouloir tirer profit de la demande renouvelée pour ce type de logement. Ils investissent donc massivement dans le secteur résidentiel à l’échelle mondiale [August et Walks, 2018 ; Fields et Uffer, 2014 ; Madden et Marcuse, 2016]. Ils bénéficient pour mener à bien cette stratégie de taux d’intérêt historiquement bas et de la dérégulation de nombreux marchés locatifs, en ce qui a trait aux conditions de bail ou au contrôle des loyers. Les stratégies que ces acteurs mettent en œuvre pour rentabiliser leurs investissements affectent de manière variée la sécurité résidentielle des locataires. La première stratégie rejoint la dynamique de gentrification. Elle consiste à acheter des immeubles dégradés dans des espaces résidentiels convoités pour les rénover et les revendre ou les offrir à la location dans les segments supérieurs du marché. La seconde stratégie est plutôt appliquée dans les quartiers défavorisés où se concentrent les logements locatifs. Elle consiste à « presser » (squeezing) les immeubles et leurs locataires pour en tirer un profit maximum. Les compagnies qui exploitent les immeubles ont ainsi tendance à y réduire les frais d’entretien et y augmenter les loyers aux limites permises par les règles en vigueur [August et Walks, 2018 ; Fields et Uffer, 2014]. Ces stratégies ont pour principal effet d’accroître les coûts du logement sans pour autant en améliorer la qualité. Elles semblent aussi peser plus lourdement sur les locataires à plus faible revenu, les profits tirés de la location dans les segments inférieurs du marché étant supérieurs à ceux dégagés par les segments supérieurs [Desmond et Wilmers, 2019].

  • 2 Par exemple : Tim Kiladze, « The Rental Rush », The Globe and Mail, Report on Business, 30 novembre (...)
  • 3 Une partie de ces observations proviennent d’un projet d’enquête sur la gestion du logement insalub (...)

11Le locatif deviendrait ainsi la nouvelle « promesse » du marché du logement, moins centré sur l’accession à la propriété pour les ménages occupants (homeownership) qu’à l’investissement pour fin de location (landlordism) [Forrest et Hirayama, 2014]. S’il n’y a pas encore de travaux spécifiques sur la question à Montréal, des reportages dans les médias indiquent que la tendance à la financiarisation du logement est bien engagée dans les grands centres urbains canadiens2. La présence de certaines compagnies actives dans le secteur locatif est observable dans plusieurs quartiers3. Les experts en logement soulignent également les risques liés à l’apparition de « propriétaires-bailleurs amateurs », en l’occurrence des personnes ou entreprises qui ne détiennent pas d’expertise dans le domaine [Markovich, 2018]. Ces investissements suivent enfin des dynamiques de marché qui produisent des effets sur la structure socio-spatiale des villes. Une étude sur Melbourne a montré que l’investification menée par les ménages privés ciblait prioritairement les banlieues défavorisées. Les ménages y investissent de manière prioritaire parce que les valeurs immobilières et les loyers s’y accroissent à un rythme supérieur à celui observé pour l’ensemble de la métropole, assurant un retour sur investissement à court et moyen terme. La concentration de ces investissements contribue à accroître la défavorisation des territoires et à y réduire la sécurité résidentielle des locataires qui y résident [Hulse et Reynolds, 2017].

12Une dernière tendance a accru la pression sur le marché locatif privé : la demande pour des locations à court terme. Une étude sur Airbnb indique que Montréal est la première ville au Canada en ce qui concerne le volume des biens loués avec 31 449 offres actives en mai 2017. Cette offre se concentre dans les quartiers centraux où les unités offertes sur une base « permanente » (plus de 60 jours par an) représentent une part croissante. Ces unités représentent entre 3 et 6 % du stock locatif dans les quartiers centraux. Ce secteur fait aussi l’objet d’une concentration financière, puisque que seulement 10 % des propriétaires y réalisent 60 % des revenus [Wachsmuth et al., 2017]. La demande pour le secteur de la location à court terme est aussi soutenue par un changement dans la composition de l’immigration à destination du Québec. La province comptait 120 000 résidents non permanents en 2017, le plus haut total jamais atteint. Les travailleurs temporaires représentent la moitié de cette population et les étudiants près de 40 % [Isq, 2018 : 88-89]. Cette tendance démographique est liée à la restructuration de l’économie montréalaise autour de pôles de pointe, tels que l’industrie du jeu vidéo, de la post-production cinématographique ou de l’intelligence artificielle. Elle témoigne aussi du dynamisme des institutions universitaires.

  • 4 Le marché locatif primaire est composé des unités qui sont produites ou maintenues pour être destin (...)

13Les travaux précédents mettent en évidence les liens entre l’investissement accru dont le secteur du logement est la cible et la montée d’une insécurité résidentielle croissante pour les locataires. L’accessibilité financière au logement deviendrait la difficulté principale rencontrée par les ménages [Wetzstein, 2017]. L’autre difficulté concerne la disponibilité des logements locatifs en nombre et qualité suffisants. À Montréal, le taux d’inoccupation global des unités disponibles sur le marché locatif primaire a atteint un creux à 1,5 % en 2019 après avoir atteint un somment (4 %) en 2016 – un taux supérieur à 3 % est généralement interprété comme un signal désignant un marché à l’équilibre [Schl, 2020]4. Les loyers ont augmenté à un rythme soutenu ces dernières années. L’accès à un logement de qualité et adapté à leurs besoins devient un enjeu pour de nombreux ménages. Les données dont nous disposons ne nous permettent pas encore de prendre la mesure complète de ce phénomène, la principale source disponible sur la question, le recensement, datant de 2016. Il permet par contre de le mesurer à une échelle fine et de mieux décrire comment l’insécurité résidentielle se distribue dans l’espace, et si cette distribution laisse transparaître une dynamique d’accroissement de la précarité résidentielle, comme il a été montré dans d’autres contextes [August et Walks, 2018 ; Dong, 2017 ; Hulse et Reynolds, 2017 ; Paradis, Wilson et Logan, 2014].

Mesurer l’insécurité résidentielle à une échelle spatiale fine

14La mesure de l’insécurité résidentielle ne peut reposer sur une seule dimension. Il importe d’en produire une évaluation à partir d’un indicateur composite. Les travaux antérieurs sur la défavorisation urbaine peuvent ici servir de modèle. Deux solutions ont en effet été principalement retenues afin de déterminer quels indicateurs inclurent dans les modèles de mesure. La première se base sur le jugement d’experts et une approche qui se veut théorique du phénomène. Dans le contexte des études sur le logement, cette piste a été discutée récemment aux États-Unis en se basant sur la démarche menée pour arriver à y définir un indice d’insécurité alimentaire [Cox et al., 2017]. Cette démarche est encore embryonnaire et au stade initial de la définition de la marche à suivre. La deuxième cherche à établir une solution en se basant sur une démarche statistique. La stratégie méthodologique la plus classique est de reprendre un ensemble de caractéristiques mesurées à l’échelle des ménages ou des quartiers et de produire une analyse factorielle exploratoire pour dégager les dimensions principales du phénomène [Routhier, 2018]. La présente démarche se positionne dans cette seconde voie. Elle tient cependant à inclure certaines modifications par rapport aux pratiques courantes de mesure de la défavorisation à l’échelle des quartiers, qui reposent en général sur des méthodes exploratoires et intègrent sans en faire un sous-ensemble particulier quelques variables sur le logement [Daniel, Baker et Lester, 2018 ; Durán et Condorí, 2017 ; Kitchen, 2001 ; White et al., 2010].

Données et indicateurs

  • 5 Les AD sont des unités géographiques normalisées définies par Statistique Canada. Elles comptent en (...)

15Les données de l’étude proviennent des recensements de 2006 et de 2016. Elles couvrent la région métropolitaine de recensement (RMR). Les RMR sont des unités géographiques définies par Statistique Canada. Elles sont constituées à travers différentes règles d’agrégation des villes et municipalités – les RMR se constituent autour d’un noyau central qui entretient des échanges de main d’œuvre avec des municipalités de banlieue. Elles ont tendance à s’étendre au fil du temps. Le territoire de référence choisi est celui de la RMR de Montréal en 2006. À l’intérieur de ce territoire, la mesure de l’insécurité résidentielle est basée sur les aires de diffusion (AD) dans leur définition de 2006 et 2016. Le choix de ne pas harmoniser les unités territoriales est lié au fait que très peu d’AD (3 %) ont été modifiées entre les deux recensements et afin de maintenir la plus grande précision possible dans les mesures effectuées5.

16L’étude s’intéresse au marché locatif, puisque les ménages y sont plus exposés à l’insécurité résidentielle en raison de la structure du droit de propriété et de la financiarisation accrue du secteur. La solution retenue a été de sélectionner, pour la mesure de l’insécurité résidentielle, les AD où les locataires représentent au moins 60 % des ménages. Sur les 6047 AD de 2006, 2236 sont dans cette situation, et 2231 sur les 6269 retenues en 2016. En 2006 et 2016, le taux de location moyen était proche de 80 % dans ces AD. Ces AD concentrent 70 % des unités locatives de la RMR.

17La sélection des indicateurs s’est faite à partir du profil de recensement des AD en 2016 parce qu’il donne accès à un plus grand nombre de variables que celui de 2006. C’est à partir de ce profil que nous avons testé différents modèles de mesure de l’insécurité résidentielle. La sélection des variables a suivi le modèle théorique proposée par Routhier [2018] qui regroupe les difficultés vécues par les locataires en quatre dimensions :

18Abordabilité C’est la dimension la plus questionnée à l’heure actuelle [Wetzstein, 2017]. Elle est définie comme la capacité d’un ménage à se loger à un coût acceptable en lien avec ses revenus. La solution la plus souvent retenue est de considérer qu’un ménage ne doit pas consacrer plus de 30 % de ses revenus bruts au logement [Hulchanski, 1995]. Une critique de longue date de cet indicateur est formulée par Stone [2006]. Cet auteur propose d’utiliser une approche centrée sur le revenu résiduel, c’est-à-dire le montant d’argent avec lequel un ménage se retrouve après avoir payé les coûts de logement. Une telle approche permet de mieux prendre en considération l’effet indirect lié au gradient de revenu, puisque consacrer 30 % de ses revenus à se loger ne signifie pas la même chose pour un ménage lorsqu’il dispose de 10 000$ ou de 100 000$.

19Le recensement canadien rend disponible la mesure du taux d’effort (seuil de 30 %). Ce taux est calculé sur base des revenus bruts (avant impôt) des ménages, ce qui ne permet pas de prendre en compte leurs revenus réels et les transferts publics. Afin de combler cette insuffisance, un ratio a été calculé à l’échelle des AD en prenant les frais de logement mensuels moyens des ménages locataires et leur revenu moyen total après impôt. Cette mesure reste imparfaite mais elle tient compte, même si c’est à un niveau agrégé, des revenus nets des ménages et n’impose pas un seuil limite pour définir l’abordabilité.

20Qualité physique La qualité physique des logements est imparfaitement prise en compte par les travaux actuels [Routhier, 2018]. Deux types de mesures existent. La première correspond à une batterie d’indicateurs spécifiques sur la qualité du chauffage et de la climatisation, sur l’état du circuit électrique ou de la plomberie, sur les infestations de nuisibles [Popkin et al., 2004]. La seconde essaie de saisir la qualité physique du logement à partir d’un indicateur global. C’est par exemple le cas dans le recensement canadien qui pose une question sur l’état du logement en demandant aux répondants d’estimer les besoins en réparation et entretien. Ces besoins sont décrits comme normaux s’il s’agit d’un entretien régulier (peinture, nettoyage du système de chauffage…), mineurs s’il s’agit de réparations modestes (briques manquantes, tuiles brisées, surfaces abimées…), et majeures s’il s’agit de réparer le système électrique, la plomberie, ou des éléments structurels.

21Pour compléter cet indicateur, des variables liées au type et à l’âge de construction des logements ont été repris. La combinaison de ces variables vise à identifier des immeubles de type walk-up ou conciergerie – des petits immeubles comptant entre 6 et 20 logements auxquels on accède par des escaliers intérieurs et une porte d’entrée unique –, et des tours et blocs d’habitation de plus grande taille, construits avant 1960 et entre 1960 et 1980. Ces types d’immeubles sont répandus dans les quartiers péricentraux (les anciennes banlieues de l’île de Montréal, en particulier celles situées au nord et à l’est de l’île). Ces quartiers ont connu un déclin relatif par rapport au reste de la métropole depuis le début des années 1980 et concentrent aujourd’hui différentes populations qui vivent des problématiques diverses d’insertion [Rose et Twigge-Molecey, 2013].

22Surpeuplement Cette dimension renvoie à l’adéquation du logement par rapport à la taille et la composition du ménage. Au Canada, c’est le Code du bâtiment qui édicte les normes d’occupation. Ces normes sont établies en tenant compte de l’âge et du sexe des membres du ménage, en particulier des enfants. Statistique Canada ne fournissait pas de variables tenant compte de ces normes jusqu’au recensement de 2016. Depuis cette date, il est possible de compter sur un indicateur de logement de taille convenable en plus de la variable indiquant s’il y a plus d’une personne par pièce. Des variables spécifient enfin la taille du logement.

23Instabilité et déménagement forcé Cette dimension ne se laisse pas saisir aisément [Routhier, 2018]. Elle concerne les déplacements forcés auxquels les ménages locataires sont confrontés lorsque les espaces dans lesquels ils résident sont convoités pour d’autres usages ou lorsqu’ils sont évincés de leur logement en raison de la hausse des loyers. Dans les dernières années, plusieurs travaux sur la gentrification ont tenté de brosser un portrait d’ensemble des déplacements forcés [Kearns et Mason, 2013]. Une des difficultés notée est de pouvoir établir une distinction entre mobilité volontaire et forcée. Dans un contexte de pressions accrues sur le marché locatif, cet enjeu devient central. Le recensement n’offre pas d’indicateur à ce sujet. Les seules variables disponibles concernent les déménagements dans le courant de la dernière année et des cinq dernières années avant le recensement.

Traitements de données

24La stratégie méthodologique retenue repose sur l’analyse factorielle confirmatoire (AFC). Ce type d’analyse permet d’estimer des modèles de mesure à l’aide d’un système d’équations structurelles. Un modèle de mesure repose sur l’identification d’une ou plusieurs variables latentes à partir d’un ensemble d’indicateurs [Kline, 2011]. Le diagramme de la figure 1 présente la structure de base de ce type de modèle. La lettre L dans le cercle représente la variable latente et les variables X les indicateurs qui servent à sa mesure, auxquelles sont associées des erreurs E. Les flèches représentent les relations entre les variables. Dans ce cas-ci, les flèches vont de la variable latente (exogène) vers les indicateurs (endogènes) et correspondent aux contributions des indicateurs à la variable latente (factor loadings). Le modèle est estimé sur base de la matrice de variances-covariances (une différence avec les modèles de régression qui n’estiment pas la variabilité liée à chaque variable). Les paramètres estimés sont les contributions de chaque indicateur à la variable latente, la variance pour chaque variable et les covariances entre elles. Pour réduire ce nombre, il est possible de fixer certains paramètres. Il est par exemple important de fournir une échelle à la variable latente (par définition inconnue). Plusieurs méthodes existent pour cela, celle retenue ici est de fixer à 1 l’effet de la perturbation ou de l’erreur de mesure de la variable latente (noté D dans la figure 1).

Figure 1. Schéma d’un modèle de mesure de base

Figure 1. Schéma d’un modèle de mesure de base

25L’estimation de ce type de modèle se fait en appliquant la méthode du maximum de vraisemblance. Elle suppose que les variables soient normalement distribuées et que les données respectent le postulat d’une relation normale. Les données de l’étude ne respectent pas ces conditions. Les variables ne présentent pas une distribution normale (du moins formellement). On constate cependant qu’elles s’en approchent lorsque l’on en consulte les histogrammes. Le fait de retenir pour l’analyse les seules AD comptant au moins 60 % de locataires expliquent en partie cette distribution proche de la normale. Ce choix limite en effet le nombre d’observations présentant des valeurs proches ou égales à zéro très nombreuses dans l’ensemble des AD. Au final, il a été choisi de retenir l’approche par le maximum de vraisemblance mais corrigée pour rendre robustes les erreurs standards et les tests statistiques liés au modèle [Yuan et Zhong, 2008].

  • 6 Les quatre indicateurs sont : la racine du carré moyen d’erreur (SRMR), l’indice du degré d’ajustem (...)

26La dernière utilité de ce type de modèle est de rendre possible, à l’inverse des méthodes exploratoires, un test formel de la validité du modèle et de valider les hypothèses qui ont conduit à son élaboration. Le modèle spécifié sera validé s’il permet de reproduire les relations observées dans la matrice de variances-covariances. Pour conduire cette validation, de nombreuses statistiques existent. Parmi les dizaines d’indicateurs disponibles, sept ont été retenus [Kline, 2011]. Les deux premiers, le chi-carré associé au modèle et le N critique d’Hoetler, sont des indicateurs de la qualité absolue du modèle. Le chi-carré est le plus souvent utilisé. On s’attend à ce que sa valeur soit la plus faible possible et non-significative. Dans la pratique, il a été démontré que cette statistique est sensible à la taille de l’échantillon. Vu le nombre d’AD retenues, il est peu probable que ce critère soit atteint par les modèles. C’est pourquoi le N critique d’Hoetler sera aussi utilisé. Les quatre suivants sont des mesures de qualité relative du modèle6. À ces six indicateurs, nous ajoutons le critère d’information d’Akaike (ACI), qui permet de comparer différents modèles entre eux.

Résultats

27La première étape de l’analyse consiste à déterminer quel modèle retenir. Le tableau 1 présente les indicateurs retenus selon les quatre dimensions de qualité du logement identifiées plus haut. Le choix théorique qui a été fait est de modéliser l’insécurité résidentielle selon un seul facteur. Ce choix reconnaît le caractère cumulatif des difficultés rencontrées par les ménages locataires [Routhier, 2018].

28Le modèle 1 inclut l’ensemble des indicateurs disponibles. Les statistiques qui y sont associées indiquent une faible qualité du modèle. Le chi-carré associé au modèle est élevé et le N d’Hoetler faible (une valeur supérieure à 200 est attendue). Les valeurs prises par les statistiques qui mesurent la qualité relative du modèle sont aussi insuffisantes (SRMR supérieur à 0,1 ; RMSEA supérieur à 0,05 ; AGFI et Bentler CFI inférieurs à 0,9). Toutes ces statistiques indiquent l’inadéquation du modèle. En se penchant sur les résultats détaillés (disponibles sur demande), il est possible d’observer que l’estimation du modèle ne converge pas et qu’un ensemble d’indicateurs ont une contribution positive faible au modèle et une variance estimée proche de 1. Ces éléments pointent vers une estimation du modèle qui demeure instable et à un ensemble d’indicateurs dont la variabilité est très élevée.

29Le second modèle retient les indicateurs dont la variance estimée est plus faible et qui avaient tous un paramètre négatif dans le modèle précédent. Il retient les deux variables dénotant la dimension de l’accessibilité financière au logement, deux indicateurs de la qualité physique du logement, un indicateur indirect de surpeuplement et les deux indicateurs dénotant une possible instabilité résidentielle. Les statistiques de qualité du modèle présentent des valeurs plus proches des seuils acceptés. Les variances estimées se situent dans des valeurs acceptables et les résidus laissés par le modèle n’indiquent pas un biais systématique dans les estimations (résultats disponibles sur demande). Ce modèle semble plus robuste que le précédent mais peut encore être amélioré.

30La piste explorée a été d’estimer alternativement le modèle en incluant seulement une des deux variables de mobilité résidentielle, les plus susceptibles d’être redondantes. Entre ces deux options, c’est le modèle 3 qui s’ajuste le mieux aux données et c’est celui qui a été retenu pour la suite de l’analyse.

Tableau 1. Détermination du modèle de mesure

Indicateurs

Modèle 1

Modèle 2

Modèle 3

Modèle 4

Taux d'effort (30 %)

X

X

X

X

Ratio loyer/revenu moyen

X

X

X

X

Réparations majeures

X

X

X

X

Appartements (hors plex)

X

X

X

X

Construits av.60 et 60-81

X

Logement de petite taille (studio et une chambre à coucher)

X

X

X

X

Taille non convenable

X

Plus d'une personne par pièce

X

A déménagé l'année précédente

X

X

X

A déménagé dans les 5 dernières années

X

X

X

Chi-carré (dl)

3065,33 (34)

590,71 (13)

126,44 (8)

164,29 (8)

N d'Hoetler

35

84

271

208

SRMR

0,131

0,073

0,038

0,042

AGFI

0,702

0,838

0,951

0,938

RMSEA

0,201

0,142

0,082

0,094

Bentler CFI

0,55

0,862

0,954

0,943

ACI

3107,33

620,71

152,44

190,29

Source : Statistiques Canada, recensement de la population, profil des AD, 2016. Note : X = variable inclue dans le modèle.

31Une fois le modèle déterminé, il est possible d’analyser les contributions des différents indicateurs à la variable latente (voir le tableau 2). Cette étape est importante parce qu’elle permet de confronter les résultats obtenus dans un cas particulier avec ceux présentés dans la littérature existante.

32Les résultats obtenus soulignent l’importance de l’accessibilité financière au logement en tant que difficulté principale des locataires. L’indicateur du taux d’effort, et plus encore le ratio entre loyer et revenu, témoignent de l’importance de cette dimension dans l’insécurité résidentielle.

33La deuxième dimension qui ressort de notre analyse est celle du surpeuplement. L’indicateur de petite taille des logements contribuent de manière importante à la mesure de l’insécurité résidentielle. Cet indicateur est toutefois indirect puisqu’il ne saisit pas au sens strict un problème de surpeuplement. Il se peut que ces logements de petite taille soient occupées par des ménages eux aussi de petite taille. L’indicateur peut ainsi indirectement traduire un effet de composition de la population des quartiers en lien avec les caractéristiques des logements. Un point sur lequel nous reviendrons plus loin lorsque seront présentés les profils sociodémographiques des quartiers selon leur niveau estimé d’insécurité résidentielle.

34La troisième dimension est celle de l’instabilité résidentielle. L’indicateur de mobilité durant la dernière année présente une contribution modérée à la mesure de l’insécurité résidentielle. L’instabilité résidentielle est plus susceptibles d’être associée à des locataires, surtout lorsqu’ils sont à faible revenu. Il est toutefois difficile de savoir si la mobilité résidentielle observée dans ces quartiers est choisie ou subie. Le résultat obtenu ici indique cependant que c’est un élément à prendre en compte. Il est aussi possible qu’il gagne en importance à l’avenir.

35La quatrième dimension est liée à la qualité physique du logement. Les deux indicateurs qui la représentent ont des contributions contrastées. La variable du recensement censée mesurée la qualité physique du logement a seulement une contribution faible à la mesure de l’insécurité résidentielle, ce qui traduit un faible niveau d’association avec ce construit latent ou une faible qualité de l’indicateur. Les études antérieures sur le logement au Canada poussent à retenir cette seconde interprétation. Les résultats détaillés des modèles indiquent d’ailleurs que la variance estimée est élevée. Malgré ces résultats, il a été choisi de le conserver dans le modèle de mesure puisqu’il s’agit du seul indicateur de la qualité du logement disponible. L’indicateur traduisant la présence relative d’appartements dans des immeubles ne s’apparentant pas à des plex présente, pour sa part, une contribution modérée à la mesure de l’insécurité résidentielle. Bien qu’il s’agisse d’une mesure indirecte de la qualité du logement, le fait que sa contribution soit plus importante que celle associée à l’indicateur de besoin en réparations majeures vient confirmer les observations déjà produites sur une association relative entre ce type d’immeubles et des difficultés à se loger pour les ménages.

Tableau 2. Contributions des indicateurs à la variable latente

Indicateurs

2006

2016

Taux d'effort (30 %)

0,49

0,55

Ratio loyer/revenu moyen

0,77

0,77

Réparations majeures

0,14

0,10

Appartements (hors plex)

0,54

0,45

Logement de petite taille

-0,72

0,66

A déménagé l'année précédente

0,47

0,50

Note : la variable logement de petite taille correspond au nombre moyen de pièces par logement dans une AD en 2006 et à la proportion des studios et logements d’une chambre à coucher en 2016 ; les statistiques de qualité du modèle pour 2006 prennent les valeurs suivantes : chi-carré (dl) : 71,18 (8) ; N d’Hoetler : 483 ; SRMR : 0,026 ; AGFI : 0,973 ; RMSEA : 0,060 ; Bentler CFI : 0,975 ; ACI : 97,18 ; les contributions présentées dans le tableau correspondent aux paramètres standardisés du modèle ; elles sont significatives au seuil de 5 %.

Source : Statistiques Canada, recensement de la population, profil des AD, 2006 et 2016.

36Les systèmes d’équations structurelles permettent d’estimer différents scores. Dans le cas présent, cette étape est relativement simple et correspond à estimer la valeur prise par la variable latente, soit l’insécurité résidentielle, pour chaque AD. Ces scores ont été utilisés pour produire deux cartes permettant de localiser les zones d’insécurité résidentielle des locataires à l’échelle de la RMR de Montréal (voir les figures 2 et 3). Les scores ont préalablement été centrés-réduits afin de faciliter leur comparaison entre les deux années de recensement. Pour compléter les cartes, deux tableaux (les tableaux 3 et 4) ont été produits. Ils compilent différentes variables sociodémographiques en fonction des catégories d’insécurité résidentielle.

37Les cartes illustrent une dynamique, certes encore limitées quant à son ampleur, d’approfondissement de l’insécurité dans certains espaces locatifs : le nombre d’AD se situant à 3 écart-types et plus de la moyenne a presque doublé, tout comme la population qui y vit (qui reste faible à moins de 1 %), alors que le nombre des AD situées entre 1 et 3 écart-types s’est réduit. La sécurité résidentielle semble s’affaiblir dans le même temps. Le nombre d’AD situé à -1 écart-type et moins s’est réduit, alors que ceux entre -1 et 0 ont augmenté en proportion ; il en va de même pour la population qui réside dans ces AD. Il y a donc une double tendance à l’œuvre : un approfondissement de l’insécurité résidentielle sévère (les AD situées à 3 écart-types et plus) et un resserrement autour de la moyenne, indiquant une certaine réduction de l’insécurité résidentielle dans certains secteurs (les AD appartenant aux classes C3 à C5) et un affaiblissement relatif de la sécurité dans d’autres (les AD appartenant à la classe C1).

Figure 2. Distribution spatiale de l’insécurité résidentielle en 2006

Figure 2. Distribution spatiale de l’insécurité résidentielle en 2006

Note : RMR de Montréal (détails).

Source : Statistique Canada, recensement de la population, 2006.

Figure 3. Distribution spatiale de l’insécurité résidentielle en 2016

Figure 3. Distribution spatiale de l’insécurité résidentielle en 2016

Note : RMR de Montréal (détails).

Source : Statistique Canada, recensement de la population, 2016.

38Les zones d’insécurité résidentielle épousent une distribution spatiale qui recouvre en partie celle de l’évolution de la géographie sociale de Montréal depuis la fin des années 1980. Elle est plus élevée dans les quartiers qui ont connu un affaiblissement relatif de leur statut socio-économique, alors qu’elle s’est réduite dans les quartiers en voie de gentrification. Il est bon de noter que dans ces quartiers la part relative du secteur locatif s’est aussi réduite. Ainsi, sur le Plateau Mont-Royal, l’insécurité résidentielle semble moins importante, mais le nombre d’AD où les logements loués comptent pour 60 % du stock total s’est réduit (les espaces en blanc sur la carte ont augmenté). Le même phénomène est observable dans le Mile-End, un quartier qui a attiré une nouvelle population de jeunes professionnels et diplômés, entre autres, en raison de l’installation de plusieurs entreprises liées à l’industrie du jeu vidéo, d’un nouveau campus des sciences de l’Université de Montréal sur le terrain d’une ancienne gare de triage au croisement entre les quartiers Outremont, du Mile-End et de Parc-Extension, et de la réaffectation d’un ancien secteur industriel en espaces de bureaux et de logements. Là aussi, la pression sur le marché locatif aura été plus forte.

39Les zones où l’insécurité résidentielle est sévère (classe C6) présentent une répartition spatiale originale. En premier lieu, on assiste à la création d’une zone de forme allongée, allant du sud-ouest du Plateau Mont-Royal à Westmount, et qui s’étage sur la partie urbanisée du Mont-Royal. Elle est marquée par la présence des deux universités anglophones de Montréal sur son territoire (les universités McGill et Concordia), ce qui explique sans doute la surreprésentation relative des jeunes de 15 à 34 ans dans les AD de la classe C6 (voir Tableaux 3 et 4). C’est aussi un espace qui accueille un nombre élevé d’immigrants et de personnes appartenant aux minorités visibles. Son cadre bâti se caractérise par la présence de tours d’habitation, entre la rue Sherbrooke et l’avenue des Pins, et à l’ouest du centre-ville, autour de l’université Concordia et de la station de métro Guy-Concordia. Ce secteur, malgré sa localisation en centre-ville, accueille une population étudiante et en transition qui peut trouver à se loger dans un secteur locatif en forte demande en raison de sa localisation favorable par rapport au centre-ville, mais dont l’entretien laisse à désirer de par son vieillissement et sa morphologie (l’entretien de grandes tours d’habitation nécessitant des fonds importants).

40Un autre secteur de grande insécurité résidentielle est le bas du quartier Côte-des-Neiges (juste à l’est de Ville Mont-Royal sur la carte). Là aussi, on assiste entre 2006 et 2016 à un approfondissement de l’insécurité résidentielle (avec des AD incorporant la classe C6 en 2016). Côte-des-Neiges est un quartier multiethnique qui sert de lieu d’installation à un grand nombre d’immigrants récents, et où ils sont surreprésentés par rapport à la moyenne régionale. C’est un quartier qui souffre de longue date d’un problème de qualité des logements alors que le cadre bâti y est vieillissant. Le quartier compte de nombreux immeubles d’appartements de type walk-up et conciergerie, ainsi que des maisons de chambres. De petits propriétaires y détiennent de nombreux immeubles, mais des grandes entreprises y investissent ces dernières années.

41Si l’on élargit le regard, les zones d’insécurité résidentielle se trouvent concentrées dans l’est de Montréal, mais aussi en banlieue proche, à Laval et Longueuil par exemple, ou éloignée (Saint-Jérôme). Le profil de population qui s’y trouve indique une surreprésentation de jeunes adultes, de personnes âgées, de personnes seules, d’immigrants, surtout récents, de personnes appartenant aux minorités visibles, au chômage, et dont les revenus sont faibles. Les familles monoparentales, les enfants de moins de 15 ans et les personnes âgées de 35 à 64 ans, sont sous-représentées dans les zones où l’insécurité résidentielle est sévère (classe C6), mais peuvent présenter des surreprésentations relatives dans les autres zones (classes C3 à C5).

Conclusion

42La présente étude avait pour objectif de mieux décrire les relations entre l’insécurité résidentielle et les inégalités urbaines. Elle met en évidence une hausse du nombre des espaces caractérisés par une insécurité résidentielle sévère, alors que leur nombre diminue pour des niveaux plus modérés ou faibles. La distribution spatiale de ces zones indique que leur formation est fort probablement liée à différentes dynamiques du marché du logement relevant de l’investification, et dont les principaux mécanismes ont été rappelés dans la partie théorique de l’article. La première dynamique identifiable est un approfondissement de la précarité résidentielle dans des quartiers marqués de longue date par la défavorisation. Cet approfondissement de la précarité résidentielle souligne une dégradation continue des conditions de logement dans ces zones, sans doute en partie due à une pression accrue induite par le processus de financiarisation du secteur de l’habitation. La seconde dynamique semble plus récente et caractérise une partie du centre-ville. Elle est à mettre en lien avec la demande accrue pour le secteur locatif à court terme, entre autres, en lien avec l’internationalisation de l’enseignement supérieur et le développement de la location touristique en ligne.

43L’étude met également en évidence une polarisation de la structure socio-spatiale de Montréal en ce qui a trait à l’insécurité résidentielle. Ce résultat rejoint les conclusions d’une étude sur Melbourne [Hulse et Reynolds, 2017], laquelle mettait en évidence l’approfondissement de la défavorisation sociale dans certaines banlieues appauvries en lien avec le réinvestissement dont elles faisaient l’objet de la part de ménages de la classe moyenne y rachetant des immeubles locatifs. Ce résultat va aussi dans le sens de travaux montrant qu’il existe une relation positive entre l’augmentation des difficultés liées à l’abordabilité des logements et l’accroissement des inégalités de revenu voir, par exemple, Dong [2017]. Les différents processus d’investification à Montréal contribuent ainsi à un approfondissement des inégalités entre quartiers. Des travaux devraient toutefois être menés à l’avenir afin de mieux comprendre les mécanismes qui sous-tendent cette dynamique d’ensemble.

44Un autre objectif de l’étude était de déterminer un modèle de mesure efficace de l’insécurité résidentielle à une échelle fine. L’analyse factorielle confirmatoire s’avère une stratégie de recherche prometteuse au regard des résultats obtenus dans le cas de Montréal. Elle nous a permis de spécifier un modèle à un seul facteur combinant de manière adéquate les différentes dimensions du phénomène. L’évaluation formelle du modèle confirme qu’il s’agit d’un choix théorique acceptable. La structure des contributions des différentes dimensions au phénomène global converge avec les travaux antérieurs. L’accessibilité financière au logement est la première difficulté identifiée par le modèle, devant les indicateurs de taille du logement (surpeuplement) et de mobilité (déménagement forcé), alors que la qualité du logement semble venir en dernière position. Ce résultat peut être en partie la conséquence d’une mesure déficiente de cette dernière dimension. L’importance relative prise par les indicateurs de taille du logement et de mobilité peut, quant à elle, pointer vers un accroissement de ces difficultés sur un marché du logement dominé par des logiques financières poussant les populations moins nanties vers des espaces résidentiels dévalorisés et où elles peinent à trouver un logement de taille suffisante pour répondre à leur besoin. Des études complémentaires pourraient être menées en ciblant certaines dimensions de l’insécurité résidentielle et en cherchant à identifier si certaines populations en souffrent plus que d’autres. Le défaut d’un modèle de mesure à un seul facteur est en effet de confondre l’ensemble des dimensions de l’insécurité résidentielle. Des tests devraient ainsi être menés pour déterminer si le modèle peut être développé en retenant une solution à plusieurs facteurs et en établissant des relations de covariance avec certains facteurs de composition de la population (âge, immigration, composition du ménage…). Il sera aussi intéressant de tester ces modèles à différentes échelles spatiales et à l’échelle des ménages, ainsi que dans différents contextes urbains. Ces différents objectifs dépassent toutefois le cadre de la présente étude et pourront être poursuivis dans des travaux ultérieurs.

Tableau 3. Profil des AD selon le niveau d’insécurité résidentielle, 2006

Locatif

(60 % et plus)

Locatif

(moins de 60 %)

RMR

C1

C2

C3

C4

C5

C6

Population (N)

155 042

536 724

412 023

154 169

37305

17080

2 307 634

3 619 977

Logement (N)

71 010

252 995

202 390

80 325

20 830

10 825

876 760

1 515 135

Population ( %)

4,3

14,8

11,4

4,3

1,0

0,5

63,7

100,0

Logement ( %)

4,7

16,7

13,4

5,3

1,4

0,7

57,9

100,0

Logement loué ( %)

7,0

26,7

23,8

10,2

2,6

1,4

28,3

100,0

Taux de location ( %)

69,2

74,5

82,7

89,7

89,5

89,6

22,7

46,5

Homme (QL)

97,2

98,1

99,9

100,4

95,6

94,8

100,7

100,0

Femme (QL)

102,6

101,8

100,1

99,6

104,3

105,1

99,3

100,0

Moins de 14 ans (QL)

94,7

89,2

86,5

80,9

60,6

36,2

107,7

100,0

De 15 à 34 ans (QL)

101,3

111,5

122,3

124,0

121,4

137,8

91,0

100,0

De 35 à 64 ans (QL)

96,6

94,6

89,1

85,6

72,8

55,7

105,2

100,0

65 ans et plus (QL)

114,7

108,3

107,2

122,9

193,2

245,1

91,7

100,0

Personnes seules (QL)

111,0

128,6

140,9

158,1

183,8

197,7

72,9

100,0

Famille monoparentale (QL)

132,5

143,0

147,1

126,5

135,5

61,3

80,5

100,0

Parent de sexe féminin (QL)

135,5

148,7

153,2

131,2

142,8

60,8

77,9

100,0

Parent de sexe masculin (QL)

115,8

124,4

125,0

115,9

102,8

70,4

89,5

100,0

Immigrant (QL)

112,9

124,4

145,3

197,7

184,3

166,5

77,0

100,0

Immigrant - moins de 10 ans (QL)

106,4

137,3

203,1

329,1

289,0

260,6

53,1

100,0

Immigrant - moins de 5 ans (QL)

106,4

139,0

221,5

369,7

327,0

311,8

45,7

100,0

Minorité visible (QL)

116,2

139,3

168,1

219,3

205,4

224,7

67,1

100,0

En emploi (QL)

95,8

94,3

90,7

81,4

72,6

52,0

105,6

100,0

Chômeur (QL)

108,7

125,7

146,9

180,8

154,8

132,6

77,6

100,0

Moins de 10,000$(QL)

98,7

130,3

186,0

245,0

267,7

367,8

50,8

100,0

De 10,000 à 19,999$ (QL)

113,9

144,8

163,1

188,6

230,2

186,5

59,0

100,0

De 20,000 à 29,999$ (QL)

115,2

134,3

142,6

152,8

146,5

132,0

72,7

100,0

Note : N = effectifs ; % = pourcentage ; QL (Quotient de localisation) = % moyen de la catégorie/ % dans la RMR.

Source : Statistique Canada, recensement de la population, 2006.

Tableau 4. Profil des AD selon le niveau d’insécurité résidentielle, 2016

Locatif

(60 % et plus)

Locatif

(moins de 60 %)

RMR

C1

C2

C3

C4

C5

C6

Population (N)

81 840

672 945

419 900

89 420

24 910

31 320

2 314 420

3 634 755

Logement (N)

32 960

309 085

213 185

47 695

14 685

19 380

911 125

1 548 115

Population ( %)

2,3

18,5

11,6

2,5

0,7

0,9

63,7

100,0

Logement ( %)

2,1

20,0

13,8

3,1

0,9

1,3

58,9

100,0

Logement loué ( %)

3,2

31,5

24,0

5,7

1,8

2,4

31,5

100,0

Taux de location ( %)

69,9

73,6

81,1

85,7

86,4

90,5

24,9

46,6

Homme (QL)

97,5

99,2

101,6

97,8

98,4

103,1

100,1

100,0

Femme (QL)

102,4

100,7

98,5

102,1

101,5

97,0

99,9

100,0

Moins de 14 ans (QL)

108,5

103,9

88,1

66,2

41,2

29,5

103,6

100,0

De 15 à 34 ans (QL)

100,7

109,6

116,0

102,1

107,5

143,9

93,5

100,0

De 35 à 64 ans (QL)

94,7

97,5

93,3

82,2

69,3

52,6

103,8

100,0

65 ans et plus (QL)

109,2

88,1

90,2

151,1

166,1

119,2

102,0

100,0

Personnes seules (QL)

98,3

119,0

142,1

165,9

182,0

185,9

77,2

100,0

Famille monoparentale

137,8

138,9

126,6

107,4

93,3

74,9

85,0

100,0

Parent de sexe féminin (QL)

147,4

144,6

131,1

112,2

100,7

77,1

82,4

100,0

Parent de sexe masculin (QL)

116,9

115,9

108,5

88,0

72,5

58,9

94,9

100,0

Immigrant (QL)

125,0

130,0

137,0

155,4

147,7

135,8

80,8

100,0

Immigrant - moins de 10 ans (QL)

118,1

154,3

194,7

227,5

180,8

202,0

59,6

100,0

Immigrant - moins de 5 ans (QL)

116,0

158,9

220,4

280,1

211,7

247,8

50,9

100,0

Minorité visible (QL)

143,8

142,6

140,3

147,4

157,8

211,3

75,0

100,0

En emploi (QL)

91,5

95,8

95,3

84,3

76,0

68,3

103,7

100,0

Chômeur (QL)

120,2

125,8

133,3

130,9

140,3

164,4

83,0

100,0

Moins de 10,000$ (QL)

72,8

114,4

171,6

232,9

367,0

728,2

54,6

100,0

De 10,000 à 19,999$ (QL)

103,5

139,4

184,1

218,9

198,9

181,8

57,2

100,0

De 20,000 à 29,999$ (QL)

114,8

134,6

148,2

163,4

173,1

136,3

71,1

100,0

Note : N = effectifs ; % = pourcentage ; QL (Quotient de localisation) = % moyen de la catégorie/ % dans la RMR.

Source : Statistique Canada, recensement de la population, 2016.

Encadré : l’évolution de la géographie sociale de Montréal

Montréal est à la croisée de nombreuses tendances et caractéristiques qui ont marqué l’histoire du Canada. Installée depuis presque 400 ans sur des territoires iroquoiens non cédés, elle a évolué d’une mission française à une métropole commerciale puis industrielle. Elle a cependant perdu sa première place dans la hiérarchie urbaine du Canada au tournant des années 1970 au profit de Toronto.

Le déclin relatif des secteurs industriels et la perte relative d’influence de Montréal dans les secteurs financiers et bancaires ont conduit à un déclin économique relatif dont elle s’est progressivement relevée à partir de la fin des années 1980. Elle est aujourd’hui caractérisée par une croissance économique modérée mais soutenue par une économie diversifiée, ce qui lui permet de résister aux chocs qui peuvent toucher certaines industries dont les emplois sont plus concentrés dans d’autres villes (le secteur financier en 2008-09 à Toronto ou plus récemment, les villes de l’Alberta où se concentre une partie de l’industrie pétrolière).

La restructuration de l’économie montréalaise s’est accompagnée par une transformation importante de sa géographie sociale. Si, en 1980, Montréal présente le visage d’une ville industrielle canadienne typique, avec les populations défavorisées concentrées en un seul espace situé en son centre, elle a complètement changé sous l’effet de la gentrification des quartiers centraux et de la suburbanisation continue d’une partie de sa population. Aujourd’hui, les quartiers défavorisés sont à la fois plus dispersés et plus éloignés du centre. Les cartes ci-dessous présentent un aperçu de cette transformation en comparant l’évolution des revenus moyens par quartier entre 1980 et 2015. Elles permettent de saisir les transformations profondes de la géographie sociale de Montréal avec une élévation relative des revenus dans le centre et leur diminution dans de nombreuses périphéries sur l’île de Montréal et au-delà.

Haut de page

Bibliographie

AUGUST Martine et WALKS Alan, 2018, Gentrification, suburban decline, and the financialization of multi-family rental housing: The case of Toronto, Geoforum, 89, pp. 124-136.

BOLTON Kenyon et BREAU Sébastien, 2012, Growing Unequal? Changes in the Distribution of Earnings across Canadian Cities, Urban Studies, 49, 6, pp. 1377-1396.

COX Robynn, HENWOOD Benjamin, RICE Eric et WENZEL Suzanne, 2017, Roadmap to a Unified Measure of Housing Insecurity. USCDornsife Center for Economic and Social Research, USCShaeffer Leonard D. Schaeffer Center for Health Policy and Economics.

DANIEL Lyrian, BAKER Emma et LESTER Laurence, 2018, Measuring Housing Affordability Stress: Can Deprivation Capture Risk Made Real?, Urban Policy and Research, 36, 3, pp. 1-16.

DESMOND Matthew et WILMERS Nathan, 2019, Do the Poor Pay More for Housing? Exploitation, Profit, and Risk in Rental Markets, American Journal of Sociology, 124, 4, pp. 1090-1124.

DONG Hongwei, 2017, The impact of income inequality on rental affordability: An empirical study in large American metropolitan areas, Urban Studies, 55, 10, pp. 2106-2122.

DURÁN Rodrigo Javier et CONDORÍ Miguel Ángel, 2017, Deprivation Index for Small Areas Based on Census Data in Argentina, Social Indicators Research, 141, 1, pp. 331-363.

FIELDS Desiree et UFFER Sabina, 2014, The financialisation of rental housing: A comparative analysis of New York City and Berlin, Urban Studies, 53, 7, pp. 1486-1502.

FORREST Ray et HIRAYAMA Yosuke, 2014, The financialisation of the social project: Embedded liberalism, neoliberalism and home ownership, Urban Studies, 52, 2, pp. 233-244.

GERMAIN Annick et ROSE Damaris, 2000, Montreal. The Quest for a Metropolis. Chichester/Toronto, Wiley.

GUILBAULT-HOUDE Antoine, SÉNÉCAL Gilles et VACHON Nathalie, 2015, Quatre études sur le logement dans le quartier Villeray. Montréal, INRS-UCS.

HULCHANSKI David, 1995, The Concept of Housing Affordability: Six Contemporary Uses of the Housing Expenditure-to-Income Ratio, Housing Studies, 10, 4, pp. 471-491.

HULSE Kath et MILLIGAN Vivienne, 2014, Secure Occupancy: A New Framework for Analysing Security in Rental Housing, Housing Studies, 29, 5, pp. 638-656.

HULSE Kath, MORRIS Alan et PAWSON Hal, 2018, Private Renting in a Home-owning Society: Disaster, Diversity or Deviance?, Housing, Theory and Society, 36, 2, pp. 167-188.

HULSE Kath et REYNOLDS Margaret, 2017, Investification: Financialisation of housing markets and persistence of suburban socio-economic disadvantage, Urban Studies, 55, 8, pp. 1655-1671.

ISQ, 2018, Le bilan démographique du Québec. Québec, Institut de la statistique du Québec.

KEARNS Ade et MASON Phil, 2013, Defining and Measuring Displacement: Is Relocation from Restructured Neighbourhoods Always Unwelcome and Disruptive?, Housing Studies, 28, 2, pp. 177-204.

KITCHEN Peter, 2001, An approach for measuring urban deprivation change: the example of East Montreal and the Montreal Urban Community, 1986-96, Environment and Planning A, 33, pp. 1901-1921.

KLINE Rex B., 2011, Principles and Practice of Structural Equation Modeling. New York/London, The Guilford Press.

LELOUP Xavier et ROSE Damaris, 2020, Montréal: The Changing Drivers of Inequality Between Neighbourhoods, 1980-2012, In GRANT Jill L., WALKS Alan, et RAMOS Howard. Changing Neighbourhoods: Social and Spatial Polarization in Canadians’ Cities. Vancouver, UBC Press, pp. 101-125.

LELOUP Xavier, ROSE Damaris et MAARANEN Richard, 2018, La nouvelle géographie sociale de Montréal. Évolution de la distribution socio-spatiale du revenu entre 1980 et 2015 dans la région métropolitaine de Montréal. INRS-UCS.

LEVITEN-REID Catherine et PARKER Brenda, 2018, Left out? Housing insecurity for one-person, low-income, non-senior households in Cape Breton Regional Municipality, The Canadian Geographer / Le Géographe canadien, 62, 4, pp. 470-481.

MADDEN David J. et MARCUSE Peter, 2016, In Defense of Housing. The Politics of Crisis. London/New York, Verso.

MARKOVICH Julie, 2018, Conférence nationale sur le logement. Rapport 2018. Ottawa, Société canadienne d'hypothèque et de logement.

NAPPI-CHOULET Ingrid, 2013, La financiarisation du marché immobilier français: de la crise des années 1990 à la crise des subprimes de 2008, Revue d'économie financière, 110, pp. 189-205.

PARADIS Emily, WILSON Ruth Marie et LOGAN Jennifer, 2014, Nowhere Else to Go: Inadequate Housing & Risk of Homelessness Among Families in Toronto’s Aging Rental Buildings. Toronto, University of Toronto, Cities Center, Research Paper 231.

PAWSON Hal, HULSE Kath et MORRIS Alan, 2017, Interpreting the rise of long-term private renting in a liberal welfare regime context, Housing Studies, 32, 8, pp. 1062-1084.

POPKIN Susan J., KATZ Bruce, CUNNINGHAM Mary K., BROWN Karen, GUSTAFSON Jeremy et TURNER Margery Austin, 2004, A Decade of HOPE VI: Research Findings and Policy Challenges. Washington, DC, The Urban Institute, 63.

ROSE Damaris, 2009, Local state policy and ‘new-build gentrification’ in Montréal: the role of the ‘population factor’ in a fragmented governance context, Population, Space and Place, 16, pp. 413-428.

ROSE Damaris et TWIGGE-MOLECEY Amy, 2013, Une métropole à trois vitesses? Bilan sur les écarts de revenu dans le Grand Montréal, 1970-2005. Toronto, Cities Center, University of Toronto, 67.

ROSE Damaris et VILLENEUVE Paul, 1998, Engendering Class in the Metropolitan City: Occupational Pairings and Income Disparities among Two-Earner Couples, Urban Geography, 19, 2, pp. 123-159.

ROUTHIER Giselle, 2018, Beyond Worst Case Needs: Measuring the Breadth and Severity of Housing Insecurity Among Urban Renters, Housing Policy Debate, 29, 2, pp. 235-249.

SCHL, 2020, Rapport sur le marché locatif. RMR de Montréal. Ottawa, Société canadienne d'hypothèque et de logement.

SÉNÉCAL Gilles et VACHON Nathalie, 2016, Dénombrement, localisation et évolution de la copropriété dans le quartier Hochelaga-Maisonneuve. Montréal, INRS-UCS.

SKABURSKIS Andrejs, 2006, Filtering, City Change and the Supply of Low-priced Housing in Canada, Urban Studies, 43, 3, pp. 533-558.

STONE Michael E., 2006, What is housing affordability? The case for the residual income approach, Housing Policy Debate, 17, 1, pp. 151-184.

VAN CRIEKINGEN Mathieu et DECROLY Jean-Michel, 2003, Revisiting the Diversity of Gentrification: Neighbourhood Renewal Processes in Brussels and Montreal, Urban Studies, 40, 12, pp. 2451-2468.

WACHSMUTH David, KERRIGAN Danielle, CHANEY David et SHILLOLO Andrea, 2017, Short-term cities Airbnb’s impact on Canadian housing markets. Montréal, School of Urban Planning, McGill University.

WETZSTEIN Steffen, 2017, The global urban housing affordability crisis, Urban Studies, 54, 14, pp. 3159-3177.

WHITE H. L., MATHESON F. I., MOINEDDIN R., DUNN J. R. et GLAZIER R. H., 2010, Neighbourhood deprivation and regional inequalities in self-reported health among Canadians: Are we equally at risk?, Health & Place, 17, 1, pp. 361-369.

YUAN Ke-Hai et ZHONG Xiaoling, 2008, Outliers, Leverage, Observations, and Influential Cases in Factor Analysis: Using Robust Procedures to Minimize their Effect, Sociological Methodology, 38, 1, pp. 329-368.

Haut de page

Notes

1 Un encadré à la fin de l’article présente en bref la géographie sociale de Montréal et sa transformation entre 1980 et 2015. Une analyse détaillée est disponible en ligne : http://espace.inrs.ca/id/eprint/7638/.

2 Par exemple : Tim Kiladze, « The Rental Rush », The Globe and Mail, Report on Business, 30 novembre 2019; Diane Bédard, « Pour que l’immobilier ne soit plus une marchandise », Le Devoir, p. A5, 9 décembre 2019.

3 Une partie de ces observations proviennent d’un projet d’enquête sur la gestion du logement insalubre à Montréal durant laquelle j’ai suivi le travail des inspecteurs de la Ville de Montréal. Lors de leur suivi sur le terrain, j’ai pu constater la présence de panneaux désignant différents fonds d’investissement et compagnies immobilières nationales ou internationales.

4 Le marché locatif primaire est composé des unités qui sont produites ou maintenues pour être destinées explicitement à la location. Le marché secondaire est composé des copropriétés divises (condominiums dans le langage courant au Québec) offertes à la location.

5 Les AD sont des unités géographiques normalisées définies par Statistique Canada. Elles comptent entre 400 et 600 résidents.

6 Les quatre indicateurs sont : la racine du carré moyen d’erreur (SRMR), l’indice du degré d’ajustement ajusté (AGFI), l’erreur quadratique moyenne de l’approximation (RMSEA) et l’indice d’ajustement comparé de Bentler (Bentler CFI). Les acronymes réfèrent à ceux utilisés en anglais et sous lesquels la plupart des indicateurs sont connus.

Haut de page

Table des illustrations

Titre Figure 1. Schéma d’un modèle de mesure de base
URL http://journals.openedition.org/eps/docannexe/image/11170/img-1.jpg
Fichier image/jpeg, 28k
Titre Figure 2. Distribution spatiale de l’insécurité résidentielle en 2006
Légende Note : RMR de Montréal (détails).
Crédits Source : Statistique Canada, recensement de la population, 2006.
URL http://journals.openedition.org/eps/docannexe/image/11170/img-2.png
Fichier image/png, 335k
Titre Figure 3. Distribution spatiale de l’insécurité résidentielle en 2016
Légende Note : RMR de Montréal (détails).
Crédits Source : Statistique Canada, recensement de la population, 2016.
URL http://journals.openedition.org/eps/docannexe/image/11170/img-3.png
Fichier image/png, 320k
URL http://journals.openedition.org/eps/docannexe/image/11170/img-4.png
Fichier image/png, 827k
URL http://journals.openedition.org/eps/docannexe/image/11170/img-5.png
Fichier image/png, 1001k
URL http://journals.openedition.org/eps/docannexe/image/11170/img-6.png
Fichier image/png, 915k
Haut de page

Pour citer cet article

Référence électronique

Xavier Leloup, « L’identification des micro-zones d’insécurité résidentielle : le cas du marché locatif à Montréal »Espace populations sociétés [En ligne], 2020/3-2021/1 | 2021, mis en ligne le 21 janvier 2021, consulté le 24 février 2024. URL : http://journals.openedition.org/eps/11170 ; DOI : https://doi.org/10.4000/eps.11170

Haut de page

Auteur

Xavier Leloup

Professeur-chercheur
Institut national de la recherche scientifique
Centre – Urbanisation Culture Société
Xavier.leloup@ucs.inrs.ca
385 rue Sherbrooke Est
Montréal (QC) H2X 1E3
Canada

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search