Navigation – Plan du site

Accueilnumeros2022/2-3VariaLa polarisation socio-économique ...

Varia

La polarisation socio-économique interne des quartiers centraux des métropoles françaises de province

The internal socio-economic polarization of the central neighborhoods of French provincial big cities
Argyro Gripsiou et Christophe Bergouignan

Résumés

Les fortes inégalités de statut socio-économique, mais également de revenu, entre les différents quartiers des grandes villes sont une des caractéristiques très documentées de l’espace urbain. On peut néanmoins aussi observer quelques quartiers où cohabitent des ménages situés aux 2 extrémités de la distribution des revenus, plus rares, ils sont presque toujours situés dans les parties centrales des villes. A partir de 2 indices construits à partir des données fiscales et sociales et avec une méthode originale (nommés indices de pauvreté et de richesse), cet article identifie ces quartiers dans les métropoles françaises de province et, parmi ces métropoles, celles au sein desquelles ces quartiers à forte polarisation socio-économique interne, sont les plus présents. Les villes centres comprenant les proportions les plus élevées de petits logements et d’étudiants, mais aussi celles où les inégalités entre les quartiers riches et pauvres sont les plus fortes sont également celles où les quartiers à forte polarisation socio-économique interne sont les plus présents. Dans un deuxième temps, une analyse en composantes principales permet de repérer les autres caractéristiques sociodémographiques qui distinguent ces quartiers à forte polarisation socio-économique interne du reste des villes centres. Dans le prolongement de ce qui été constaté à l’échelle de l’ensemble des villes centres, les quartiers à forte polarisation socio-économique interne se caractérisent par des surreprésentations des petits logements anciens et des étudiants. La présence dans ces quartiers d’étudiants à faibles revenus fiscalement indépendants de leurs parents contribue très probablement à structurer leur polarisation socio-économique interne. Néanmoins d’autres facteurs semblent déterminer la polarisation socio-économique interne, puisqu’une partie non négligeable de ces quartiers polarisés (notamment à Marseille et à Nice), ne présentent aucune surreprésentation étudiante.

Haut de page

Texte intégral

1 Introduction

  • 1 Îlots Regroupés pour l’Information Statistique.

1Espace privilégié de manifestation des inégalités sociales, la ville est souvent partagée en quartiers très différents du point de vue des ressources socio-économiques de leurs habitants. Cette division de l’espace urbain selon ces ressources est parfois décrite comme une forme de ségrégation sociale de la ville. Cette ségrégation socio-spatiale est fréquemment décrite dans la littérature des sciences sociales à travers la mesure des différences entre les quartiers. Sans ignorer cette réalité urbaine, ce texte s’intéresse aux espaces infra-communaux (ici appréhendés par les IRIS1) au sein desquels on observe de fortes différences de revenu entre les habitants. Ce phénomène ici décrit comme une polarisation socio-économique interne de ces IRIS est mesuré à partir de la combinaison de 2 indices (les indices de richesse et de pauvreté, ici construits avec une méthode originale). On identifie ainsi, dans les métropoles de province françaises, les IRIS les plus concernés par cette polarisation socio-économique interne. Une analyse en composantes principales, à l’échelle des IRIS, permet de cerner les caractéristiques de l’habitat et de la population associées à la polarisation socio-économique interne des IRIS.

1.1 La ségrégation sociale urbaine : un paradigme central d’interprétation de l’organisation des villes

2La ségrégation socio-spatiale qui constitue un enjeu majeur de la sociologie et de la géographie urbaine désigne la répartition différentielle des groupes sociaux dans l’espace urbain. La sémiologie du terme a évolué au fil des années avant d’arriver à son sens actuel. Initialement, le terme ségrégation est d’origine latine et signifie « séparer du troupeau » [Lehman-Frisch, 2009]. Le terme renvoie à la mise à distance physique d’un groupe dominé par l’intervention directe des groupes dominants, à l’image des ghettos juifs d’Europe des siècles passés ou de l’apartheid sud-africain. Le terme « ségrégation » a perdu aujourd’hui son sens strict originaire puisque, plus largement, il décrit une distorsion systématique de la répartition spatiale des groupes sociaux, parfois en l’absence de toute action délibérée.

3Etudiée depuis les années 1920 par l’École du Chicago, la ségrégation socio-spatiale est aujourd’hui un des paradigmes centraux pour analyser la répartition des populations dans l’espace urbain. Dans les années 1950, Shevky, Williams et Bell affirment que la compréhension de la mosaïque sociale des agglomérations est possible à travers trois pôles indépendants : « le rang social », « le statut familial », et « le statut ethnique » [Madoré, 2005]. Aux Etats-Unis, les recherches analysent surtout les différences ethno-raciales d’occupation de l’espace urbain [Wacquant, 1992 ; Maloutas & Spyrellis, 2019]. En France, l’intérêt pour la division sociale de la ville est apparu dans les années 1970. Pendant longtemps, la ségrégation est plutôt analysée sous l’angle des classes sociales (selon les catégories socio-professionnelles), héritage de l’analyse marxiste et conséquence de la quasi-absence de données ethniques territorialisées [Safi, 2013 ; McAvay & Verdugo, 2021]. Cependant, au milieu des années 2000, certaines études ont tenté d’aborder la dimension ethno-raciale de la ségrégation socio-spatiale [Pan Ké Shon & Verdugo, 2015 ; McAvay & Verdugo, 2021 ; Préteceille, 2009 ; Safi, 2009]. Parallèlement, la dimension démographique (âge, structures familiales) de la ségrégation socio-spatiale a pu être mise en évidence [Merlin, 1999 ; Dasre et al., 2009]. D’autres études ont révélé l’analyse des revenus comme une donnée indispensable pour l’étude de la ségrégation socio-spatiale, les revenus étant un indicateur central pour mesurer les inégalités [Piketty, 2015 ; Ribardière, 2018 ; Labrador, 2013]. Il est ainsi un indicateur de plus en plus utilisé en politique publique [Ribardière, 2019].

1.2 Les espaces socialement polarisés

4Si dans de nombreuses grandes villes françaises, on a pu faire le constat de la ségrégation socio-spatiale, celle-ci ne se manifeste pas toujours selon les mêmes modalités et ne se limite pas à une opposition centre-périphérie. En effet, les quartiers centraux sont souvent très divers en termes de composition sociale [Oberti & Préteceille, 2016 ; Préteceille, 2006]. Certains de ces quartiers centraux peuvent concentrer des populations à faibles revenus qui y cherchent la proximité des emplois de service, les services publics et des réseaux de solidarité sociale. D’autres quartiers centraux vont au contraire plutôt accueillir des membres des classes aisées bénéficiant de la proximité de leurs emplois dans les fonctions supérieures de l’économie urbaine et de l’accès à une plus grande diversité de biens et services, en particulier dans les espaces de culture et de sociabilité. C’est ce qui explique les très importants écarts de statuts sociaux et de revenus entre les différents quartiers centraux, avec, parfois, une délimitation très nette entre ces espaces. Il existe enfin des quartiers, en général beaucoup moins nombreux, où résident à la fois des populations à faibles revenus et des populations matériellement aisées voire très aisées [Préteceille, 2006 ; Oberti & Préteceille, 2016 ; Authier, 2003]. Ces voisinages socialement différenciés résultent de pratiques résidentielles associées à des identités et des trajectoires individuelles très distinctes. Cette coprésence peut ne pas conduire à des relations sociales véritablement approfondies mais à une cohabitation plutôt passive [Oberti & Préteceille, 2016 ; Préteceille, 2006 ; Audren, Baby-Collin & Dorier, 2016 ; Launay, 2016 ; Maloutas & Spyrellis, 2019 ; Rhein, 2002]. Pour autant, il serait très réducteur de considérer que ces quartiers connaissant une polarisation socio-économique interne ne traduisent aucune spécificité dans l’organisation urbaine. L’histoire, l’économie, les politiques urbaines ainsi que le fonctionnement urbain peuvent ainsi favoriser la cohabitation des différentes populations dans ces quartiers centraux [Bouzouina, 2007]. Si l’existence de ces espaces urbains centraux où cohabitent des populations aux revenus très inégaux est attestée par divers travaux [Bouzouina, 2007 ; Préteceille, 2006 ; Oberti & Préteceille, 2016 ; Authier, 2003], l’objet de ce texte est tout d’abord d’en vérifier la présence à l’échelle des métropoles de province. Il s’agit ensuite d’identifier les caractéristiques des villes au sein desquelles ces espaces à forte polarisation socio-économique interne sont les plus représentés et enfin d’identifier les caractéristiques des espaces concernés au sein de ces villes. On peut à ce titre formuler plusieurs hypothèses quant à ces caractéristiques. La première hypothèse tient à la structure de l’habitat au sein des villes. On peut en effet supposer, étant donné le coût du logement que les espaces urbains comprenant de fortes proportions de petits appartements en location privée dans des immeubles anciens sont les plus concernés par cette coprésence de ménages aux revenus très inégaux. La conséquence en serait également la surreprésentation des ménages de petite taille dans ces espaces et, du fait de leur occupation locative privée, des ménages connaissant une mobilité résidentielle plus intense. La seconde hypothèse tient au niveau de diplôme des habitants dont on peut supposer qu’il est relativement élevé pour une partie importante d’entre eux en raison des aménités culturelles offertes par la centralité urbaine. En corolaire de ces 2 hypothèses, on peut supposer que les étudiants qui combinent ces 2 caractéristiques (petits ménages donc petits logements et niveau de diplôme élevé), sont également surreprésentés dans ces espaces à forte polarisation socio-économique interne. La troisième hypothèse tient aux formes de mobilité quotidienne associées à ces espaces socialement « polarisés ». On peut, en effet, supposer que la centralité de ces espaces et les faibles revenus d’une partie de leurs habitants favorise les mobilités quotidiennes dites « douces » et peu ou pas coûteuses comme le vélo ou la marche.

2 Méthodes

2.1 L’espace infra-communal appréhendé par les IRIS INSEE

5Les échelles territoriales choisies pour étudier la ségrégation sociale ont un impact majeur sur la mesure qui sera obtenue et sur l’interprétation qui pourra en être tirée. Au regard de l’objet étudié ici (la polarisation socio-économique interne des espaces urbains), le niveau infra-communal semble le plus adapté. C’est, en effet, à ce niveau micro-local qu’on peut examiner les préférences résidentielles des ménages. Dans cet article, la maille géographique retenue pour appréhender l’espace infra-communal est l’IRIS. Les IRIS, Îlots Regroupés pour l’Information Statistique, sont issus de découpages infra-communaux, mis en place par INSEE pour le recensement de 1999 et respectant des critères géographiques et démographiques. Il s’agit d’un découpage des communes qui ont au moins 5 000 habitants ainsi que d’une grande partie de communes de 5 000 à 10 000 habitants. Ils constituent des zones présumées assez homogènes en termes d’habitat avec un effectif de population semblable, entre 1 800 et 5 000 habitants [INSEE, 2016]. Cependant, ce découpage ne garantit pas toujours une homogénéité sociale interne [François et al., 2011], ce que cet article illustre pour les métropoles de province française. Ainsi, le découpage en IRIS permet de faire une analyse à une échelle assez fine pour mesurer le degré de présence de la polarisation socio-économique au sein des espaces infra-communaux dans les métropoles étudiées et pour analyser les caractéristiques des espaces concernés.

  • 2 Les précautions entourant l’utilisation des données correspondent, selon l’INSEE, à des difficultés (...)

6Pour des raisons de validité statistique et d’interprétation des données, seuls les IRIS d’habitat pour lesquels l’INSEE ne mentionne pas de précaution particulière2, sont retenus dans l’analyse, les IRIS d’activité ne correspondant pas à l’objectif de cette analyse.

2.2 Une analyse de la distribution des revenus plutôt que la fréquence des PCS

7En France, la plupart des analyses des fragmentations socio-spatiales s’appuient sur l’étude de la répartition spatiale des populations urbaines en fonction des professions et catégories socio-professionnelles (PCS) qui ont remplacé les catégories socio-professionnelles (CSP) [Desrosières et al, 2002]. Ces PCS présentent cependant une certaine hétérogénéité interne, notamment liée aux différences de revenus entre les générations mais également en raison du développement des nouvelles formes de travail (indépendants associés à des plateformes de commandes) qui sont en plein essor en particulier dans les grandes villes. Même lorsque l’on dispose des PCS à un niveau détaillé (PCS en 40 postes), toute ces distinctions ne peuvent pas être mises en œuvre. Or, à l’échelon des IRIS, pour des raisons de secret statistique, ce sont des PCS très regroupées (en 8 postes) qui sont disponibles, qui ne permettent notamment pas de connaître l’ancienne profession des personnes à la retraite, ce qui est encore plus problématique. Bien qu’elles présentent d’autres limites (notamment leur caractère unidimensionnel ignorant les préférences culturelles et leur opacité quant aux transferts intrafamiliaux informels), les estimations du revenu disponible permettent de mieux considérer ces différences de conditions de vie (liées au différences salariales entre les générations au sein d’une même profession, liées à la rémunération des différentes formes de travail, liées aux différences de parcours professionnel antérieur des retraités). Surtout, le coût du logement constituant un élément essentiel des processus de segmentation sociale de l’espace, il est essentiel de le considérer directement comme la ressource qui permet de s’affranchir de ce coût et non de façon indirecte via une variable (la PCS) indirectement corrélée à cette ressource. De plus, le revenu n’est pas seulement la capacité à payer un « prix » d’accès au logement dans le marché privé, mais il joue aussi un rôle pour bénéficier de l’habitat social [François et al., 2011 ; Dabet & Floch, 2014]. La démarche basée sur le revenu, ici proposée, constitue donc un complément nécessaire aux démarches antérieures basées sur les PCS.

2.3 Les données de revenu à l’échelle des IRIS

  • 3 Unités de consommation : Le premier adulte du ménage compte pour 1 unité de consommation, les autre (...)

8Pour étudier les phénomènes ségrégatifs et de polarisation socio-économique interne il faut prendre en compte des éléments décrivant la position sociale et les ressources des populations résidentes. Ici, on s’appuie sur le revenu disponible par unité de consommation3 des ménages résidents qui reflète de la façon la plus précise le niveau de vie des habitants à des échelons géographiques fins. Il s’agit du revenu dont les ménages disposent pour consommer et épargner. Ainsi, le revenu disponible comprend les revenus d’activité (nets des cotisations sociales et des impôts directs), les revenus du patrimoine, les transferts en provenance d’autres ménages et les prestations sociales (dont les minima sociaux), y compris les pensions de retraite et les indemnités de chômage.

9Les données sont issues du dispositif sur les revenus localisés sociaux et fiscaux, FiLoSoFi. Ce dispositif a remplacé les Revenus Fiscaux Localisés (RFL) et Revenus Disponibles Localisés (RDL). Il a été mis en œuvre pour diffuser des indicateurs sur les revenus déclarés et disponibles à partir de 2012 pour la France Métropolitaine. Ce fichier localisé social et fiscal (FiLoSoFi) est issu du rapprochement des données fiscales exhaustives en provenance de la Direction Générale des Finances Publiques et des données sur les prestations sociales émanant des principaux organismes gestionnaires de ces prestations (Caisse nationale d’allocations familiales, Caisse nationale d’assurance vieillesse, Caisse centrale de la mutualité sociale agricole). Il inclut tous les ménages fiscaux ordinaires, mais pas les personnes sans domicile ou vivant en institution (maison de retraite, foyer etc.) [Aerts et al.,2015].

10A l’échelle de chaque IRIS appartenant à une commune d’au moins 10 000 habitants, les données du dispositif FiLoSoFi comprennent, le plus souvent, le taux de pauvreté et, presque toujours, les déciles de distribution de la population des ménages selon les revenus disponibles de ces ménages par unité de consommation. C’est notamment à partir de ces déciles de distribution des revenus que l’on pourra construire des indicateurs de synthèse à partir desquels évaluer l’hétérogénéité interne des zones urbaines et tracer les profils socio-économiques des quartiers mais surtout repérer les situations de la polarisation interne des quartiers. Ce texte mobilise les informations sur le revenu disponible par unité de consommation de l’année 2017.

2.4 Des indicateurs synthétisant les extrémités de la distribution des revenus

  • 4 Pour l’année 2017, on dispose des quantiles de distribution des revenus pour 11 972 IRIS correspond (...)

11Pour synthétiser l’extrémité basse de la distribution des revenus, on a souvent recours au taux de pauvreté (soit la proportion de population appartenant à des ménages dont le revenu est inférieur ou égal à 60% du revenu médian national par unité de consommation). L’idée étant ici, également, de synthétiser l’extrémité haute de la distribution des revenus, il faudrait pouvoir construire un indice complémentaire qui correspondrait à un « taux de richesse » selon le même type de démarche (estimation de la proportion de population appartenant à des ménages dont le revenu est supérieur ou égal à 167% du revenu médian national par unité de consommation). Dans l’absolu, les micro-données issues des sources fiscales et sociales permettraient de construire ce type d’indicateurs. Toutefois, étant fournies sur un mode agrégé, les données accessibles se limitent aux indicateurs proposés (comme le taux de pauvreté ou les quantiles de distribution des revenus), ce qui empêche de construire un tel « taux de richesse » qui pourrait être mis en regard du taux de pauvreté pour synthétiser de concert les 2 extrémités de la distribution des revenus. S’ajoute à cela que, dans certains IRIS, le « taux de pauvreté » n’est pas fourni alors que les quantiles de distribution des revenus le sont4. C’est pourquoi, on propose ici de construire des indices originaux de richesse et de pauvreté basés sur l’écart proportionnel des déciles des extrémités de la distribution des revenus de chaque IRIS avec les déciles correspondants pour l’ensemble de la France métropolitaine.

12D’un point de vue pratique, ces indices de pauvreté et de richesse sont construits comme suit.

  • 5 Autrement dit, un écart entre le décile de revenu Diz d’un IRIS z et le décile de revenu correspond (...)
  • 6 Au-delà de cette logique décroissante, ces pondérations ont été définies de façon à maximiser la co (...)

13S’agissant de l’indice de pauvreté, on calcule la somme pondérée des écarts relatifs négatifs entre les 3 premiers déciles (D1z, D2z et D3z) de chaque IRIS z, avec les déciles correspondants de l’ensemble de la France métropolitaine (D1FM, D2FM et D3FM)5. Les coefficients de pondération sont décroissants au fil des déciles de façon à pondérer davantage les écarts associés aux revenus les plus faibles6.

  • 7 Autrement dit, un écart entre le décile de revenu Diz d’un IRIS z et le décile de revenu correspond (...)

14S’agissant de l’indice de richesse, on calcule la somme pondérée des écarts relatifs positifs entre les 3 derniers déciles (D7z, D8z et D9z) de chaque IRIS z, avec les déciles correspondants de l’ensemble de la France métropolitaine (D7FM, D8FM et D9FM)7. Les coefficients de pondération sont croissants au fil des déciles de façon à pondérer davantage les écarts associés aux revenus les plus élevés.

15Pour vérifier la capacité de l’indice de pauvreté à rendre compte des différences de pauvreté entre les IRIS on peut mesurer sa corrélation avec le taux de pauvreté à l’échelle des 9 079 IRIS de France métropolitaine pour lesquels on dispose des 2 informations en 2017.

16Ainsi, en 2017, à l’échelle des 9 079 IRIS pour lesquels on dispose d’une estimation du taux de pauvreté, la corrélation entre l’indice de pauvreté ici proposé et le taux de pauvreté est très élevée (R² = 92,2% en corrélation linéaire et même R² = 94,2% avec un ajustement polynomial de degré 2).

Figure 1. Nuage de points correspondant à 9 079 IRIS de France métropolitaine en fonction du taux de pauvreté et de l’indice de pauvreté

Figure 1. Nuage de points correspondant à 9 079 IRIS de France métropolitaine en fonction du taux de pauvreté et de l’indice de pauvreté

Source : Filosofi, INSEE ; Traitement : auteurs.

17La distribution, selon l’indice de pauvreté, des 11 972 IRIS de France métropolitaine pour lesquels on dispose des quantiles de la distribution des revenus des ménages, montre une très forte asymétrie, avec 40% d’IRIS dont l’indice de pauvreté est nul. Les proportions d’IRIS diminuent ensuite avec l’augmentation de l’indice de pauvreté, qui dépasse 0,25 dans moins de 12% des IRIS.

Figure 2. Distribution des 11 972 IRIS de France métropolitaine selon l’indice de pauvreté.

Figure 2. Distribution des 11 972 IRIS de France métropolitaine selon l’indice de pauvreté.

Source : Filosofi, INSEE ; Traitement : auteurs.

18La distribution, selon l’indice de richesse, des 11 972 IRIS de France métropolitaine pour lesquels on dispose des quantiles de la distribution des revenus des ménages, montre une très forte asymétrie, avec plus de 50% d’IRIS dont l’indice de richesse est nul. Les proportions d’IRIS diminuent ensuite avec l’augmentation de l’indice de richesse, avec, cependant, une proportion non négligeable (12%) d’IRIS dont l’indice de richesse dépasse 0,4 et 18% des IRIS dont l’indice de richesse dépasse 0,25.

Figure 3. Distribution des 11 972 IRIS de France métropolitaine selon l’indice de richesse.

Figure 3. Distribution des 11 972 IRIS de France métropolitaine selon l’indice de richesse.

Source : Filosofi, INSEE ; Traitement : auteurs.

19Ces indices de pauvreté et de richesse montrent ainsi une concentration géographique de la pauvreté et de la richesse, mais elle est plus nette pour la richesse. On remarque cependant une différence entre les distributions des IRIS selon les 2 indices, avec une fréquence plus importante d’IRIS présentant un indice de richesse très élevé. Cela illustre à la fois l’existence de quartiers où des ménages très riches sont regroupés. Cela illustre également une dimension structurelle de la distribution des revenus des ménages qui est mécaniquement bornée vers le bas mais pas vers le haut. Ainsi, l’indice de pauvreté ne peut dépasser 1 (ce qui nécessiterait qu’au moins 30% de la population appartienne à des ménages dont le revenu est nul). Au contraire, l’indice de richesse peut dépasser 1 (en 2017, près de 2,5% des IRIS présentaient un indice de richesse supérieur ou égal 1, signifiant que, dans ces IRIS, les revenus les plus élevés sont, en moyenne, plus de 2 fois supérieurs aux revenus correspondant aux 3 déciles supérieurs de la distribution de l’ensemble de la France métropolitaine).

2.5 Classer les IRIS en fonction des extrémités de la distribution des revenus des ménages qui y résident

20A partir des indices de pauvreté et de richesse, il est possible de classer les IRIS en 3 catégories (IRIS pauvres, IRIS riches et IRIS polarisés), à laquelle on ajoute une catégorie résiduelle. Le tableau suivant présente cette catégorisation. Le seuil de catégorisation de 0,04 est obtenu à partir du taux de pauvreté de la France métropolitaine en 2017 (14,1%) et l’ajustement par un polynôme de degré 2 de la relation entre taux de pauvreté (TP) et indice de pauvreté (IP) pour les 9 079 IRIS pour lesquels on dispose du taux de pauvreté. Ce seuil de 0,04 sera également utilisé pour l’indice de richesse.

IP = – 0,00008.TP² + 0,0142.TP – 0,1447 + ε
soit – 0,00008.(14,1)² + 0,0142.(14,1) – 0,1447 ≈ 0,04

Tableau 1. Seuils de catégorisation des IRIS

Indice de richesse

≥ 0,04

< 0,04

Indice de pauvreté

≥ 0,04

IRIS « polarisés »

IRIS « pauvres »

< 0,04

IRIS « riches »

Autres IRIS

Source : Filosofi, INSEE ; Traitement : auteurs.

21Les IRIS dont l’indice de pauvreté est supérieur ou égal à 0,04 et dont l’indice de richesse est inférieur à 0,04 sont considérés comme « pauvres », soit, en 2017, 5204 IRIS sur 11 979 (donc 43,4% des IRIS de France métropolitaine).

22Les IRIS dont l’indice de pauvreté est inférieur à 0,04 et dont l’indice de richesse est supérieur ou égal à 0,04 sont considérés comme « riches », soit, en 2017, 3869 IRIS sur 11 979 (donc 32,3% des IRIS de France métropolitaine).

  • 8 Ici, le terme d’IRIS polarisé exprime une polarisation socio-économique au sein de l’IRIS.

23Les IRIS dont l’indice de pauvreté est supérieur ou égal à 0,04 et dont l’indice de richesse est supérieur ou égal à 0,04 sont considérés comme « polarisés8 », soit, en 2017, 506 IRIS sur 11 979 (donc 4,2% des IRIS de France métropolitaine). Mécaniquement, dans ces IRIS l’indice de polarisation socio-économique interne est supérieur ou égal à 0,04.

24Les autres IRIS dont l’indice de pauvreté est inférieur à 0,04 et dont l’indice de richesse est inférieur à 0,04, soit, en 2017, 2400 IRIS sur 11 979 (donc 20,0% des IRIS de France métropolitaine) sont :

  • des IRIS dont la distribution des revenus ne diffère que très peu de celle de l’ensemble de la France métropolitaine,

  • ou des IRIS dont les déciles de revenu les plus faibles (D1, D2, D3) sont supérieurs aux déciles correspondants de la distribution des revenus de la France métropolitaine et, dont les déciles de revenu les plus élevés (D7, D8, D9) sont inférieurs aux déciles correspondants de la distribution des revenus de la France métropolitaine. Il s’agit donc d’IRIS dont la distribution des revenus est concentrée autour des valeurs centrales, renvoyant ainsi à une plus grande homogénéité socio-économique des résidents. L’analyse portant, ici, sur les espaces caractérisés par leur polarisation socio-économique interne, les IRIS caractérisés par une plus grande homogénéité socio-économique, ne font pas, malgré l’intérêt général qu’ils peuvent susciter, l’objet d’une catégorie distincte.

2.6 Identifier les caractéristiques des quartiers à forte polarisation socio-économique interne

25Au-delà de la seule mesure du degré de présence des quartiers à forte polarisation socio-économique interne au sein des différentes métropoles de province, on cherchera à déterminer les caractéristiques de la population et du parc de logements des IRIS les plus associées à leur éventuelle polarisation socio-économique interne. Ces caractéristiques supplémentaires des quartiers polarisés constituent à la fois d’éventuels facteurs de cette polarisation interne (notamment l’ancienneté et la spécialisation du parc de logements), mais aussi des éléments permettant de préciser la forme sociodémographique que prend cette polarisation interne des revenus. L’absence de schéma causal a priori structurant le lien entre les caractéristiques analysées et l’intensité de la polarisation des revenus interne aux quartiers, implique de recourir à une méthode ne mobilisant pas de schéma causal. Une analyse en composantes principales semble donc particulièrement adaptée. Elle permet ainsi, de synthétiser les corrélations entre les caractéristiques des IRIS et leurs indicateurs de distribution des revenus (indices de pauvreté et de richesse permettant d’identifier leur polarisation socio-économique interne).

  • 9 Il s’agit des ensembles urbains de province qui, en 2017, avaient le statut de métropole. Depuis 20 (...)
  • 10 Dans certains IRIS, on ne dispose pas d’informations sur la distribution des revenus en raison d’un (...)

26Plus précisément, le tableau suivant donne la liste des variables mobilisées dans cette analyse en composantes principales, dont les individus statistiques seront les 1480 IRIS des villes centres des 14 métropoles de province9 pour lesquels on dispose des données de distribution des revenus10. Ces variables correspondent en grande partie aux facteurs dont on a fait l’hypothèse qu’ils jouaient un rôle dans la polarisation socio-économique interne des IRIS. Au-delà des indices de pauvreté et de richesse, ces variables caractérisent :

  • le parc de logement (en termes d’ancienneté, surface et nature de l’habitat),

  • la structure socio-éducative des habitants (en termes de diplôme et de poursuite d’études supérieures),

  • la structure démographique (en termes de type de ménages et d’âge) qui renvoie en partie aux modalités d’habitat et à la poursuite d’études,

  • la fréquence des mobilités résidentielles et de l’immigration internationale,

  • la structure des modalités de mobilité quotidienne.

Tableau 2. Variables prises en compte dans les Analyses en Composantes Principales.

Catégorie de variables

Liste des variables mobilisées

Distribution des revenus

Indice de pauvreté (INDPauv)
Indice de richesse (INDRich)

Composition par âge

Proportion de moins de 18 ans (m18ans)
Proportion de 18-24 ans (18-24ans)
Proportion de 25-39 ans (25-39ans)
Proportion de 40-64 ans (40-64ans)
Proportion de 65 ans et plus (65+ans)

Immigration internationale

Proportion d’immigrés (Immig)

Mobilité résidentielle

Proportion de ménages ayant emménagé depuis moins de 5 ans (Emm –5ans)

Structures familiales

Proportion de personnes vivant seules parmi les 25-54 ans (Seul)
Proportion de familles monoparentales parmi les familles avec enfants (Monop)
Proportion de familles de 4 enfants et plus parmi les familles avec enfants (4enf)

Parc de logements

Proportion de logements vacants (Vac)
Proportion de résidences secondaires (Secon)
Proportion d’appartements (Appart)
Proportion de ménages occupant des logements de moins de 40 m² (m40m2)
Nombre moyen de pièces par appartement (Nbpi_app)
Proportion d’appartements appartenant à des immeubles achevés avant 1945 (Vieuapp)
Proportion de ménages propriétaires occupants (Proprio)
Proportion de ménages louant dans le parc social (HLM)
Proportion de logements sur-occupés (Surocc)

Diplômes et éducation

Proportion d’étudiants dans la population (Etu)
Proportion de diplômés du supérieur parmi les personnes ayant achevé leur scolarité (Sup)
Proportion de personnes sans diplôme parmi celles ayant achevé leur scolarité (0dipl)

Structure socio-professionnelle

Proportion d’inactifs parmi les 25-54 ans (Inact)
Proportion de chômeurs parmi les 25-54 ans (Chom)
Proportion d’ouvriers parmi les actifs occupés (Ouvr)
Proportion de cadres et professions intellectuelles parmi les actifs occupés (Cad)
Proportion de professions intermédiaires parmi les actifs occupés (Pint)
Proportion d’actifs occupés travaillant à leur compte (Ind)
Proportion d’actifs occupés embauchés en contrat précaire (Prec)
Proportion d’actifs occupés travaillant à temps partiel (TP)

Mobilité quotidienne

Proportion d’actifs occupés se rendant au travail à pied (Marche)
Proportion d’actifs occupés se rendant au travail en vélo (Velo)
Proportion d’actifs occupés se rendant au travail en transport en commun (TC)

3 Résultats

27Les résultats proposés se déclinent selon que l’on analyse :

  • d’une part, la fréquence des IRIS « polarisés » dans les différentes villes et les caractéristiques d’ensemble de ces villes associées aux plus élevées de ces fréquences,

  • d’autre part, les caractéristiques des IRIS les plus spécifiquement associées à leur éventuelle polarisation socio-économique interne.

3.1 Des IRIS polarisés peu fréquents et concentrés dans les villes centres

28La mesure de la fréquence des différentes catégories d’IRIS (« pauvres », « riches » et « polarisés ») au sein des 14 métropoles de province est ici envisagée en distinguant les villes centres et les autres communes de ces métropoles. Cette mesure montre la très grande diversité des configurations urbaines en termes de distribution des revenus, selon la métropole de province et selon qu’il s’agisse des villes centres ou des autres communes de ces métropoles de province. Cette grande diversité se perçoit non seulement en termes de fréquence des IRIS « polarisés », mais aussi en termes de fréquence des IRIS « pauvres » et « riches ».

Figure 4. Proportion d’IRIS « pauvres » dans les 14 métropoles de province, selon le degré de centralité.

Figure 4. Proportion d’IRIS « pauvres » dans les 14 métropoles de province, selon le degré de centralité.

Source : Filosofi INSEE ; Traitement : auteurs.

29

Figure 5. Proportion d’IRIS « riches » dans les 14 métropoles de province, selon le degré de centralité.

Figure 5. Proportion d’IRIS « riches » dans les 14 métropoles de province, selon le degré de centralité.

Source : Filosofi INSEE ; Traitement : auteurs.

Figure 6. Proportion d’IRIS « polarisés » dans les 14 métropoles de province, selon le degré de centralité.

Figure 6. Proportion d’IRIS « polarisés » dans les 14 métropoles de province, selon le degré de centralité.

Source : Filosofi INSEE ; Traitement : auteurs.

30Les figures 4, 5 et 6 conduisent à plusieurs constats :

  • Les IRIS à forte polarisation socio-économique interne sont globalement beaucoup plus rares que les IRIS « pauvres » ou les IRIS « riches ».

  • Alors que les IRIS « pauvres » et les IRIS « riches » se retrouvent, bien que de façon assez inégale, dans les différentes parties de toutes les métropoles, les IRIS « polarisés » ne sont quasiment présents que dans les villes centres des métropoles. C’est la raison pour laquelle, l’analyse des caractéristiques des IRIS polarisés ne sera mise en œuvre que pour les 1480 IRIS exploitables appartenant aux 14 villes centres des métropoles de province.

  • Certaines métropoles ne comportent pas d’IRIS « polarisés » (Brest) ou quasiment pas (Nantes). En revanche, dans certaines villes centres (Lille, Montpellier et Nancy), environ 1 IRIS sur 5 présente une forte polarisation socio-économique interne.

  • Contrairement à une représentation selon laquelle les quartiers les plus riches seraient toujours concentrés dans les parties centrales des grandes villes, ce n’est vraiment le cas qu’à Lyon et Rouen (avec cependant moins de 30% d’IRIS « riches », la majorité des IRIS de la métropole rouennaise étant des IRIS « pauvres ») et, dans une moindre mesure, à Bordeaux, Grenoble et Nantes. Dans les métropoles de Brest, Marseille, Montpellier, Nice, Rennes et Toulouse, les IRIS « riches » sont moins présents dans la ville centre que dans les autres communes.

Figure 7. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et fréquence des petits logements.

Figure 7. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et fréquence des petits logements.

Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.

Figure 8. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et proportion d’étudiants.

Figure 8. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et proportion d’étudiants.

Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.

Figure 9. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et inégalités de revenus entre les IRIS « riches » et le IRIS « pauvres ».

Figure 9. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et inégalités de revenus entre les IRIS « riches » et le IRIS « pauvres ».

Source : Filosofi INSEE ; Traitement : auteurs.

31Bien que l’on puisse observer une relative diversité, notamment géographique, dans les villes centres où les IRIS polarisés sont les plus fréquents (Nancy, Lille et Montpellier), celles-ci se caractérisent par certaines caractéristiques communes.

32La surreprésentation des jeunes adultes, le plus souvent étudiants et des petits appartements est quasiment la norme dans les villes centres des métropoles de province (parmi les 14 ici étudiées, seules Marseille et Nice présentent des proportions d’étudiants plutôt modestes). Néanmoins, dans les villes centres où les quartiers polarisés sont les plus fréquents, ces surreprésentations des étudiants et des petits appartements sont encore plus marquées. A Nice, où l’on observe une surreprésentation des petits appartements avec, cependant, une quasi absence de surreprésentation étudiante, la proportion d’IRIS à forte polarisation socio-économique interne est assez semblable à la présence moyenne de ces IRIS dans l’ensemble des 14 villes centres étudiées.

33On sait que l’espace urbain, et, en particulier ses parties centrales, se caractérise souvent par de grands écarts de ressources entre les habitants des différents quartiers ce que se manifeste par des indices moyens de richesse des IRIS « riches » et des indices moyens de pauvreté des IRIS « pauvres » concomitamment très élevés. Toutefois, dans les villes centres où les quartiers polarisés sont les plus fréquents, l’indice moyen de richesse des IRIS « riches » et l’indice moyen de pauvreté des IRIS « pauvres », atteignent des niveaux encore plus élevés, signe que les inégalités entre les IRIS sont très marquées. Autrement dit, les villes centres où les IRIS dans lesquels coexistent ménages pauvres et ménages aisés, sont aussi celles où les différences de revenus entre les IRIS sont les plus importantes, comme si, les inégalités entre les quartiers se répercutaient dans certains quartiers sous formes d’inégalités au sein de ces quartiers. Ce fait est d’autant plus significatif que Lille et Montpellier sont des villes centres plutôt dominées par la pauvreté avec plus de 50% d’IRIS « pauvres » et des IRIS « riches » moins nombreux (Lille) ou pas plus nombreux (Montpellier), que les IRIS « polarisés ».

  • 11 L’indice d’autocorrélation spatiale de Moran mesure la corrélation entre la valeur prise par une gr (...)

34L’application de l’indice d’autocorrélation spatiale globale et locale de Moran aux indices de pauvreté et de richesse11 de façon à mesurer le niveau de regroupement spatial des ménages en fonction de leur revenu au sein des 14 villes centres étudiées, conduit à un constat beaucoup moins net. En effet, à l’échelle de ces villes centres on constate une absence de liaison (R² inférieur à 2%) entre la fréquence des IRIS « polarisés » en leur sein et le niveau regroupement spatial de la pauvreté tout comme celui de la richesse, mesurés par les indices d’autocorrélation spatiale globale de Moran correspondants. Autrement dit, si les IRIS « polarisés » sont beaucoup plus fréquents dans les villes centres où les IRIS « riches » et les IRIS « pauvres » sont très différenciés, c’est sans lien direct avec le niveau de proximité spatiale de la pauvreté et celui de la richesse.

35Ainsi, à Bordeaux, les IRIS « riches » et les IRIS « pauvres » sont fortement regroupés dans l’espace (figure 10). Les IRIS « polarisés » sont peu fréquents à Bordeaux (moins de 8% des IRIS) et forment comme une zone « frontière » entre les IRIS « pauvres » et les IRIS « riches » (en rouge-figure 10). La cartographie de l’autocorrélation spatiale locale de l’indice de richesse apporte la confirmation de ce regroupement d’un grand nombre d’IRIS « riches » vers l’ouest de la ville (en rouge sur la figure 11). Ces regroupements très marqués aboutissent à des indices d’autocorrélation spatiale globale élevés (de l’ordre de 0,5) malgré des différences de revenus entre IRIS « riches » et « pauvres » plutôt modérées.

Figure 10. Catégorisation des IRIS de la commune de Bordeaux.

Figure 10. Catégorisation des IRIS de la commune de Bordeaux.

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

Figure 11. Autocorrélation spatiale locale de l’Indice de Richesse de Bordeaux

Figure 11. Autocorrélation spatiale locale de l’Indice de Richesse de Bordeaux

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

36A Lille, les IRIS « riches » et les IRIS « pauvres » semblent un peu moins spatialement regroupés qu’à Bordeaux (figure 12). Les IRIS « polarisés » sont très fréquents à Lille (plus de 20% des IRIS) mais présentent un aspect plus dispersé qu’à Bordeaux (figure 12). La lecture comparée des cartes des catégories d’IRIS et de l’indice d’autocorrélation spatiale locale (en rouge sur la figure 13), montre ainsi que bien qu’il existe un regroupement de certains IRIS « pauvres » au sud de Lille, d’autres IRIS « pauvres » sont plutôt dispersés au sein du centre-ville. Malgré cette relative dispersion, les différences de revenus entre IRIS « riches » et « pauvres » sont plus importantes à Lille qu’à Bordeaux ce qui se traduit par des indices d’autocorrélation spatiale globale élevés et donc assez semblables (de l’ordre de 0,5).

Figure 12. Catégorisation des IRIS de la commune de Lille.

Figure 12. Catégorisation des IRIS de la commune de Lille.

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

Figure 13. Autocorrélation spatiale locale de l’Indice de Pauvreté de Lille

Figure 13. Autocorrélation spatiale locale de l’Indice de Pauvreté de Lille

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

37A Montpellier, les IRIS « riches » et les IRIS « pauvres » sont spatialement très dispersés (figure 14). Les IRIS « polarisés » sont très fréquents à Montpellier (près de 20% des IRIS), tout en présentant eux-aussi une certaine dispersion spatiale (figure 14). Les indices d’autocorrélation spatiale locale permettent néanmoins d’isoler un ensemble d’IRIS « pauvres » au nord-est de la commune (figure 15), bien qu’on les retrouve dans de nombreuses autres parties de la ville. La forte dispersion des différentes catégories d’IRIS compense les différences de revenus très importantes entre IRIS « riches » et « pauvres » et se traduit par des indices d’autocorrélation spatiale globale de Moran assez modérés (inférieurs à 0,3).

Figure 14. Catégorisation des IRIS de la commune de Montpellier.

Figure 14. Catégorisation des IRIS de la commune de Montpellier.

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

Figure 15. Autocorrélation spatiale locale de l’Indice de Pauvreté de Montpellier

Figure 15. Autocorrélation spatiale locale de l’Indice de Pauvreté de Montpellier

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

38A Nice, les IRIS « riches » et les IRIS « pauvres » sont assez dispersés sur le territoire communal (figure 16) avec des différences de revenus entre IRIS « riches » et « pauvres » assez modérées d’où des indices d’autocorrélation spatiale globale inférieurs à 0,3. Les IRIS « polarisés » sont modérément fréquents à Nice (un peu plus de 10% des IRIS) et pour la plupart d’entre eux concentrés sur l’hyper-centre de la ville (figure 16). A travers les indices d’autocorrélation spatiale locale, on remarque trois petits secteurs avec des IRIS « pauvres » contigus relativement éloignés les uns des autres (en rouge sur la figure 17).

Figure 16. Catégorisation des IRIS de la commune de Nice.

Figure 16. Catégorisation des IRIS de la commune de Nice.

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

Figure 17. Autocorrélation spatiale locale de l’Indice de Pauvreté de Nice

Figure 17. Autocorrélation spatiale locale de l’Indice de Pauvreté de Nice

Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.

39Cette diversité de la répartition des ménages en fonction de leurs revenus au sein des villes centres des métropoles de province, montre qu’en dépit des difficultés d’accès au logement pour les ménages les plus modestes dans les villes centres, il subsiste, dans certaines villes, de nombreux espaces où ces ménages sont surreprésentés qu’ils voisinent ou non avec des ménages beaucoup plus aisés.

3.2 Caractéristiques des quartiers avec une forte polarisation socio-économique interne

  • 12 Le V de Cramer est une mesure de l’intensité de la relation entre 2 variables qualitatives. En cas (...)

40A l’échelle des IRIS des villes centres des métropoles de province, certaines caractéristiques du parc de logements et de ses habitants présentent une forte relation avec la polarisation socio-économique interne. Sous une forme bi-variée, cette relation peut être mesurée par le V de Cramer12. 6 proportions exprimant des variables qualitatives binaires sont reliées avec les 4 catégories d’IRIS précédemment déterminées avec un V de Cramer supérieur ou égal à 0,15. Il s’agit des proportions :

  • de logements de moins de 40 m²,

  • d’appartements appartenant à un immeuble construit avant 1945,

  • de propriétaires occupants,

  • de ménages résidant dans un logement social,

  • d’étudiants,

  • de diplômés du supérieur, parmi les personnes ayant achevé leur scolarité.

41Pour 3 de ces variables, ces fortes relations expriment une assez nette spécificité des IRIS à forte polarisation socio-économique interne (ici désignés IRIS « polarisés »). Les IRIS « polarisés » comprennent ainsi, en moyenne, des proportions plus élevées d’appartements appartenant à des immeubles relativement anciens (construits avant 1945), avec 12 points de pourcentage au-dessus de ce qui est, en moyenne, mesuré dans les IRIS « riches », et entre 18 et 28 points de pourcentage au-dessus de ce qui est, en moyenne, mesuré dans les 2 autres catégories d’IRIS. Les IRIS « polarisés » comprennent également des proportions plus importantes de petits logements (moins de 40 m²), avec, en moyenne 12 points de pourcentage de plus que la moyenne des IRIS « pauvres » et 14 à 22 points de pourcentage de plus que la moyenne des 2 autres catégories d’IRIS. Les IRIS « polarisés » comprennent enfin, en moyenne, des proportions plus élevées d’étudiants qui y représentent, en moyenne, plus du quart de la population, contre moins de 15% dans les autres catégories d’IRIS.

42Pour les 3 autres variables, ces liaisons n’expriment pas toujours une spécificité des IRIS « polarisés ». En effet, les proportions de ménages résidant dans un logement social opposent les IRIS « pauvres » où cette proportion est, en moyenne, assez élevée et les 3 autres catégories d’IRIS où elle est très faible. Les proportions de diplômés du supérieur sont très proches dans les IRIS « polarisés » et les IRIS « riches » et nettement supérieures à la valeur moyenne de ces proportions dans les 2 autres catégories d’IRIS. Les proportions de propriétaires occupants sont assez proches dans les IRIS « pauvres » et les IRIS « polarisés » et nettement inférieures à la valeur moyenne de ces proportions dans les 2 autres catégories d’IRIS. Il est intéressant de remarquer que les IRIS « polarisés » se rapprochent tantôt des IRIS « pauvres » (avec de modestes proportions de propriétaires occupants), tantôt des IRIS « riches » (avec des proportions relativement élevées de diplômés du supérieur).

Figure 18. Proportions relatives à diverses caractéristiques selon les catégories d’IRIS dans l’ensemble des 14 villes centre des métropoles de province.

Figure 18. Proportions relatives à diverses caractéristiques selon les catégories d’IRIS dans l’ensemble des 14 villes centre des métropoles de province.

Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.

43Pour mieux représenter les relations entre les indices de richesse, de pauvreté et de polarisation avec l’ensemble des proportions retenues pour exprimer les caractéristiques de la population des IRIS et de leur parc de logements, on a conduit une analyse en composantes principales à l’échelle des 1480 IRIS exploitables des villes centres des métropoles de province. Les premiers axes issus de l’analyse en composantes principales synthétisent une part importante de l’information statistique (plus de 55% pour les 2 premiers axes).

Figure 19. Pourcentage de variance expliquée par les dimensions de l’analyse en composantes principales.

Figure 19. Pourcentage de variance expliquée par les dimensions de l’analyse en composantes principales.

Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.

44De façon schématique, le premier axe factoriel oppose :

  • assez nettement (par ses coordonnées positives), les caractéristiques des IRIS associées à la pauvreté (chômage, forte présence immigrée, sur-occupation des logements, familles monoparentales, familles de 4 enfants et plus, inactivité, faible niveau de diplôme, surreprésentation ouvrière) et l’indice de pauvreté lui-même,

  • et (par ses coordonnées négatives), les caractéristiques des IRIS associées à l’aisance matérielle (surreprésentation des cadres, des professions intermédiaires et des diplômés du supérieur) et l’indice de richesse lui-même.

45De façon schématique, le deuxième axe factoriel oppose :

  • par ses coordonnées positives, des caractéristiques des IRIS associées à la centralité (aller au travail en transports en commun, appartements), mais aussi d’autres caractéristiques associées aux difficultés sociales (précarité de l’emploi, travail à temps partiel),

  • par ses coordonnées négatives, des caractéristiques des IRIS associées aux parties moins centrales des villes centres (surreprésentation des propriétaires occupants, des grands logements et personnes de 40 ans et plus).

46D’autres caractéristiques, très bien représentées dans le premier plan factoriel, présentent à la fois des coordonnées relativement élevées (en valeur absolue) sur le premier axe et sur le deuxième axe. Il s’agit d’abord de caractéristiques qui semblent à la fois associées à la centralité (proportion élevée de vieux appartements, de logements de petite taille, de ménages d’isolés, actifs occupés se rendant au travail à pieds) et à la présence de jeunes adultes (surreprésentation étudiante et plus généralement des 18-39 ans). A l’opposé, il s’agit de caractéristiques associées à la vie familiale (surreprésentation des moins de 18 ans). Il s’agit enfin, quasiment orthogonalement à cette opposition, de caractéristiques associées à la précarité de l’emploi (emploi précaire, temps partiel).

Figure 20. Cercle des corrélations de l’analyse en composantes principales (premier plan factoriel).

Figure 20. Cercle des corrélations de l’analyse en composantes principales (premier plan factoriel).

Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.

47Considérant la position des 1480 IRIS des villes centres des métropoles de province pour lesquels on dispose d’une série complète de données, on perçoit, assez logiquement, que les IRIS « pauvres » forment un vaste « nuage » allant de la partie centrale du premier plan factoriel à l’ensemble du plan correspondant aux coordonnées positives du premier axe. De même, les IRIS « riches » forment un « nuage » plus étroit situé dans la partie du premier plan factoriel correspondant aux coordonnées négatives du premier axe. Les IRIS « polarisés » et les autres IRIS forment une « bande » étroite entre les IRIS « pauvres » et les IRIS « riches ». Les IRIS polarisés constituent la partie de cette « bande » étroite correspondant presque toujours aux coordonnées positives du deuxième axe. Les autre IRIS constituent plutôt la partie de cette « bande » étroite correspondant aux coordonnées négatives du deuxième axe. Cette disposition relativement distincte des différentes catégories d’IRIS sur le premier plan factoriel confirme la consistance de l’ensemble des caractéristiques sociodémographiques ici mesurées avec les indices de pauvreté, de richesse et de polarisation socio-économique interne utilisés pour construire ces catégories.

48Si l’on examine plus précisément la position des IRIS « polarisés » sur le premier plan factoriel, on observe un « nuage » relativement concentré indiquant une forte corrélation avec certaines formes de surreprésentation (appartements situés dans des immeubles anciens, petits logements, personnes vivant seules, jeunes adultes, étudiants, forte mobilité résidentielle, se rendre au travail à pieds). Ainsi, d’un point de vue global, ces résultats viennent corroborer les hypothèses selon lesquelles la polarisation socio-économique interne des IRIS est associée à un habitat composé de petits appartements en location situés dans des immeubles anciens avec une importante rotation des locataires et à une population de jeunes adultes diplômés vivant seuls, notamment étudiants.

Figure 21. Analyse en composantes principales. Représentation des 1480 IRIS des 14 villes centres des métropoles de province sur le premier plan factoriel.

Figure 21. Analyse en composantes principales. Représentation des 1480 IRIS des 14 villes centres des métropoles de province sur le premier plan factoriel.

Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.

49Si ce constat synthétique caractérise très nettement les IRIS à forte polarisation socio-économique interne de la plupart des villes centres des métropoles de province (Bordeaux, Grenoble, Lille, Nancy, Rouen, Strasbourg, Toulouse), les IRIS de Montpellier en étant l’archétype le plus marqué, certaines villes présentent un profil plus nuancé. C’est tout d’abord le cas des villes du Grand-Ouest où les IRIS à forte polarisation socio-économique interne sont absents (Brest), très rares (Nantes) ou ne présentent pas de particularité très marquante au regard des autres IRIS (Rennes). C’est aussi le cas des grandes villes de la région PACA, Marseille et Nice, pour lesquelles on n’observe quasiment aucune surreprésentation étudiante dans les IRIS à forte polarisation socio-économique, avec, pour Nice, une présence accrue des résidences secondaires/occasionnelles dans ces IRIS « polarisés ». On peut, enfin évoquer le cas des IRIS « polarisés » de la ville de Lyon, qui présentent une situation intermédiaire entre ceux de Rennes et ceux des villes de PACA, puisque la seule particularité vraiment nette des IRIS à forte polarisation socio-économique de Lyon est la surreprésentation des appartements situés dans des immeubles relativement anciens.

4 Discussion

  • 13 Les indices de pauvreté, de richesse et de polarisation socio-économique interne étant tirés du fic (...)

50Que l’on se place du point de vue des caractéristiques des villes centres des métropoles de province considérées dans leur globalité ou du point de vue des caractéristiques des IRIS qui les composent, la fréquence et le niveau de polarisation socio-économique interne des quartiers semblent très souvent associés à la présence des petits logements et à la surreprésentation étudiante. Le lien entre ces 2 caractéristiques et la polarisation socio-économique interne pourrait s’expliquer à la fois par les faibles ressources des assez rares ménages étudiants fiscalement indépendants13 et par le rôle de la présence étudiante dans la structuration du parc de logements. En effet, depuis le développement massif de l’accès à l’enseignement supérieur dans les années 1990, le parc de logement des villes centres des métropoles de province s’est, plus encore qu’auparavant, spécialisé dans les petits logements, en particulier dans les quartiers occupés par les étudiants. Destinée à répondre aux besoins de logement associés à cet accroissement de la population étudiante, on peut supposer que cette spécialisation a concerné une population beaucoup plus large de petits ménages pauvres (les grands ménages pauvres bénéficiant d’un accès privilégié au logement social). Elle aurait ainsi favorisé, à l’échelle de la ville, et plus particulièrement dans certains quartiers, la coprésence de petits ménages à faibles revenus (étudiants, jeunes travailleurs précaires, …), louant les logements de très faible surface (souvent avec le concours d’aides publiques ou familiales) avec des ménages aisés de taille plus diverse occupant des logements plus grands (en location pour les plus jeunes ou en tant que propriétaires pour les plus âgés). Il est donc sans doute assez réducteur de résumer les quartiers à forte polarisation socio-économique interne à la coprésence de ménages aisés et de ménages étudiants fiscalement indépendants mais bénéficiant de faibles ressources. Les villes centres des métropoles de la région PACA montrent ainsi une absence de nette surreprésentation étudiante, d’un point de vue global et, plus spécifiquement dans leurs quartiers à forte polarisation socio-économique interne. Par contre, à Marseille comme à Nice, on observe comme dans les autres métropoles de province, une importante corrélation entre part des petits logements dans l’habitat et polarisation socio-économique interne du quartier. Autrement dit, à Marseille et à Nice, la coprésence de ménages à faibles ressources et de ménages aisés dans les quartiers où les petits logements sont majoritaires, ne résulte pas des faibles ressources d’étudiants fiscalement indépendants qui y résident très peu. Elle provient donc probablement du maintien dans ces quartiers de petits ménages à faibles ressources surreprésentés dans le travail précaire et/ou à temps partiel qui occupent de petits logements d’immeubles anciens et en partie dégradés. En effet, à Marseille, mais plus encore à Nice, les appartements situés dans un vieux bâti sont très nettement surreprésentés dans les quartiers socialement polarisés. L’effondrement récent d’immeubles anciens dans plusieurs villes centres de grandes agglomérations (dont Marseille) vient illustrer tragiquement ces situations. De façon plus générale, ces situations posent la question des limites des processus de gentrification des villes centres des grandes agglomérations de province. Il n’est ainsi pas certain que le cœur historique des villes centres des grandes métropoles soit promis à une gentrification inexorable, tant il subsiste dans ces espaces, un vaste parc immobilier de qualité très variable et à la structure de propriété très dispersée, dans un contexte plus global de présence massive du travail précaire dans les services de proximité associés à la centralité.

Haut de page

Bibliographie

Aerts, A.‑T., Chirazi, S. & Cros, L. (2015). Une pauvreté très présente dans les villes‑centres des grands pôles urbains. Insee Première, (1552). https://www.insee.fr/fr/statistiques/1283639

Audren, G., Baby-Collin, V. & Dorier, E. (2016). Quelles mixités dans une ville fragmentée ? Dynamiques locales de l’espace scolaire marseillais. Lien social et Politiques, (77), 38–61. https://doi.org/10.7202/1037901ar.

Authier, J.Y (2003). La gentrification du quartier Saint-Georges à Lyon : un côtoiement de mobilités différenciées. In Bidou-Zachariasen C., Hiernaux-Nicolas D., Rivière d’Arc H. (Eds.), Retours en ville : des processus de « gentrification » urbaine aux politiques de revitalisation des centres (pp.105-126). Paris. Descartes &Cie.

Bouzouina, L. (2007). Concentrations spatiales des populations à faible revenu, entre polarisation et mixité. Une analyse de trois grandes aires urbaines françaises. Pensée Plurielle, 16 (3)6, 59-72. https://doi.org/10.3917/pp.016.0059.

Dabet, G. & Floch, J.M. (2014). La ségrégation spatiale dans les grandes unités urbaines de France métropolitaine : une mesure à l’aide des revenus, Document de travail de la DDAR, (H2014/01). https://www.epsilon.insee.fr/jspui/bitstream/1/21866/1/h2014-01.pdf .

Dasré A., Kersuzan C., Caillot M. & Bergouignan Ch., (2009). Sélectivité migratoire des populations selon leur âge et concentrations socio-spatiales, Espace populations sociétés, pp. 67-84.

Desrosières, A. & Thevenot L., (2002), Les catégories socio-professionnelles, La Découverte, 128 p.

François, J-C., Ribardière, A., Fleury, A., Mathian H., Pavard A., & Saint-Julien, Th., (2011). Les disparités de revenus des ménages franciliens - Analyse de l’évolution entre 1999 et 2007. https://halshs.archives-ouvertes.fr/halshs-00737156/document

INSEE (2020). Fichier Localisé Social et Fiscal (FILOSOFI), INSEE Sources et méthodes. 33 p.

Labrador, J. (2013). Une forte hétérogénéité des revenus en Île-de-France , INSEE Île-de-France à la page, (414). Retrieved from : https://www.insee.fr/fr/statistiques/1291853

Launay L. (2016) Négocier la diversité au quotidien. Des rapports de voisinage et des choix scolaires sous contrôle. In Cabrol M., Collet A., Giroud M., Launay L. , Rousseau M., Ter Minassian H., (Eds.), Gentrifications, Paris : éditions Amsterdam.

Lehman-Frisch, S. (2009). La ségrégation: une injustice spatiale ? Annales de géographie, (665-666), 94-115. https://doi.org/10.3917/ag.665.0094.

Madoré, F. (2005). La ségrégation sociale dans les villes françaises : réflexion épistémologique et méthodologique. Cahiers de géographie du Québec, 49 (136), 45–60. https://doi.org/10.7202/012108ar.

Madoré, F. (2015). Approche comparative de la ségrégation socio-spatiale dans les aires urbaines françaises. Annales de géographie, 706 (6), 653-680. https://doi.org/10.3917/ag.706.0653

Maloutas T. & Spyrellis S.N. (2019). Segregation trends in Athens: the changing residential distribution of occupational categories during the 2000s, Regional Studies54 (4), 462-471, https://doi.org/10.1080/00343404.2018.1556392

McAvay, H.E. & Verdugo, G. (2021). Income Inequality and Segregation in Paris Metro Area (1990-2015)? In M. van Ham, T.Tammaru, R.Ubareviciene &H.Jassen (Eds.), Urban Socio-Economic Segregation and Income Inequality, (pp. 329-345). (The Urban Series.  https://doi.org/10.1007/978-3-030-64569-4).

Merlin, P. (1999). Les banlieues. Que-sais-je ?, n° 3465, PUF, 126 p.

Oberti, M. & Préteceille, E. (2016). La ségrégation urbaine. Paris : La Découverte.

Pan Ké Shon, J.L. & Verdugo, G. (2015). Forty Years of Immigrant Segregation in France, 1968–2007. How Different Is the New Immigration? Urban Studies, 52 (5). 823-840. https://doi.org/10.1177/0042098014529343

Piketty, T. (2015). L’Économie des inégalités, Paris : La Découverte. https://doi.org/10.3917/dec.piket.2015.01

Préteceille, E. (2006). La ségrégation sociale a-t-elle augmenté : La métropole parisienne entre polarisation et mixité. Sociétés contemporaines, 62(2), 69-93. https://doi.org/10.3917/soco.062.0069.

Préteceille, E. (2009). La ségrégation ethno-raciale a-t-elle augmenté dans la métropole parisienne? Revue Française De Sociologie, 50 (3), 489–519.https://doi.org/10.3917/rfs.503.0489.

Rhein, C. (2002). Intégration sociale, intégration spatiale. L’Espace géographique, 31, 193-207. https://doi.org/10.3917/eg.313.0193

Ribardière, A. (2018). Disparités de revenus et évolution de la ségrégation résidentielle en Ile-de-France, Région et Développement, (48), 9-22. Retrieved from : https://regionetdeveloppement.univ-tln.fr/2018-numero-48/ .

Ribardière, A. (2019). Les territoires populaires du Grand Paris : entre paupérisation, gentrification et moyennisation, Métropolitiques. Retrieved from : https://www.metropolitiques.eu/Lesterritoires-populaires-du-Grand-Paris-entre-pauperisation-gentrification-et.html .

Safi, M. (2009) La dimension spatiale de l’intégration : évolution de la ségrégation des populations immigrées en France entre 1968 et 1999, Revue française de sociologie,50 (3). 521-552. https://doi.org/10.3917/rfs.503.0521.

Safi, M. (2013). Les inégalités ethno-raciales. Paris : La Découverte. https://doi.org/10.3917/dec.safi.2013.01

Wacquant, L., J., D. (1992). « Banlieues françaises et ghetto noir américain: de l'amalgame à la comparaison », French politics and society, 10(4). 81-103. https://www.jstor.org/stable/42844335.

Haut de page

Notes

1 Îlots Regroupés pour l’Information Statistique.

2 Les précautions entourant l’utilisation des données correspondent, selon l’INSEE, à des difficultés d’interprétation des évolutions observées, soit en raison d’une forte variation du nombre de logements possiblement associée à des opérations immobilières de grande ampleur, soit en raison de problèmes apparus lors du contrôle de cohérence des données.

3 Unités de consommation : Le premier adulte du ménage compte pour 1 unité de consommation, les autres adultes et les enfants de plus de 14 ans pour 0,5 unité de consommation et les enfants de moins de 14 ans pour 0,3 unité de consommation.

4 Pour l’année 2017, on dispose des quantiles de distribution des revenus pour 11 972 IRIS correspondant à des quartiers de communes de plus de 10 000 habitants, alors qu’on ne dispose du taux de pauvreté que pour 9 079 de ces IRIS.

5 Autrement dit, un écart entre le décile de revenu Diz d’un IRIS z et le décile de revenu correspondant DiFM de la France métropolitaine est pris en compte dans l’indice de pauvreté IPauvretéz uniquement pour les 3 premiers déciles (donc pour i < 4) et uniquement si cet écart est négatif (donc pour Diz – DiFM < 0).

6 Au-delà de cette logique décroissante, ces pondérations ont été définies de façon à maximiser la corrélation entre l’indice de pauvreté et le taux de pauvreté à l’échelle des 9 079 IRIS pour lesquels on dispose du taux de pauvreté. La sensibilité du niveau de corrélation obtenu avec les différents jeux de pondération décroissants testés (0,55 ; 0,25 ; 0,2 ou 0,5 ; 0,3 ; 0,2 ou 0,5 ; 0,35, 0,15 ou 0,45 ; 0,35 ; 0,2 ou 0,45 ; 0,3 ; 0,25) n’étant, de toutes façons pas très importante. Les coefficients de pondération de l’indice de richesse ont été choisis de façon symétrique et n’ont pas pu être testés puisque, comme on l’explique dans ce texte, il n’existe pas de taux de « richesse » symétrique au taux de pauvreté qui soit publié.

7 Autrement dit, un écart entre le décile de revenu Diz d’un IRIS z et le décile de revenu correspondant DiFM de la France métropolitaine est pris en compte dans l’indice de richesse IRichessez uniquement pour les 3 derniers déciles (donc pour i > 6) et uniquement si cet écart est positif (donc pour Diz – DiFM > 0).

8 Ici, le terme d’IRIS polarisé exprime une polarisation socio-économique au sein de l’IRIS.

9 Il s’agit des ensembles urbains de province qui, en 2017, avaient le statut de métropole. Depuis 2017, d’autres ensembles urbains de province ont acquis ce statut. On s’est ici limités aux 14 métropoles de province selon la labellisation 2017, d’une part car les données de revenu mobilisées concernent l’année 2017, d’autre part, car les ensembles urbains de province ayant, depuis, acquis le statut de métropole, sont, presque toujours, de taille plus modeste que les premières villes à en avoir bénéficié. Les 14 métropoles de province ici retenues sont : Bordeaux, Brest, Grenoble, Lille, Lyon, Marseille, Montpellier, Nancy, Nantes, Nice, Rennes, Rouen, Strasbourg et Toulouse.

10 Dans certains IRIS, on ne dispose pas d’informations sur la distribution des revenus en raison d’un nombre trop faible de foyers fiscaux.

11 L’indice d’autocorrélation spatiale de Moran mesure la corrélation entre la valeur prise par une grandeur (ici les indices de pauvreté, puis les indices de richesse), entre différentes unités spatiales en pondérant leurs co-variations par rapport à la moyenne globale par leur proximité spatiale (ici mesurée par l’inverse de leurs distances respectives). Il peut être calculé pour l’ensemble des IRIS d’un territoire, on parle alors de l’indice d’autocorrélation spatiale globale ou pour l’ensemble formé par chaque IRIS et les IRIS voisins, on parle de l’indice d’autocorrélation spatiale locale.

12 Le V de Cramer est une mesure de l’intensité de la relation entre 2 variables qualitatives. En cas d’absence totale de liaison, le V de Cramer sera égal à 0, en cas de liaison absolue, il sera égal à 1. On considère en général qu’un V de Cramer inférieur à 0,1 exprime une relation très faible ou nulle et qu’un V de Cramer supérieur à 0,3 exprime une relation intense.

13 Les indices de pauvreté, de richesse et de polarisation socio-économique interne étant tirés du fichier FILOSOFI, ils correspondent aux ménages fiscaux (définis par la communauté de ressources), ce qui explique qu’une bonne partie des ménages étudiants (qui seraient définis par la résidence principale) n’interviennent pas dans les indices de pauvreté et de richesse permettant de caractériser la polarisation socio-économique interne des IRIS (INSEE, 2020).

Haut de page

Table des illustrations

URL http://journals.openedition.org/eps/docannexe/image/13336/img-1.png
Fichier image/png, 6,6k
URL http://journals.openedition.org/eps/docannexe/image/13336/img-2.png
Fichier image/png, 6,9k
Titre Figure 1. Nuage de points correspondant à 9 079 IRIS de France métropolitaine en fonction du taux de pauvreté et de l’indice de pauvreté
Crédits Source : Filosofi, INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-3.png
Fichier image/png, 97k
Titre Figure 2. Distribution des 11 972 IRIS de France métropolitaine selon l’indice de pauvreté.
Crédits Source : Filosofi, INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-4.png
Fichier image/png, 11k
Titre Figure 3. Distribution des 11 972 IRIS de France métropolitaine selon l’indice de richesse.
Crédits Source : Filosofi, INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-5.png
Fichier image/png, 11k
Titre Figure 4. Proportion d’IRIS « pauvres » dans les 14 métropoles de province, selon le degré de centralité.
Crédits Source : Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-6.png
Fichier image/png, 18k
Titre Figure 5. Proportion d’IRIS « riches » dans les 14 métropoles de province, selon le degré de centralité.
Crédits Source : Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-7.png
Fichier image/png, 18k
Titre Figure 6. Proportion d’IRIS « polarisés » dans les 14 métropoles de province, selon le degré de centralité.
Crédits Source : Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-8.png
Fichier image/png, 15k
Titre Figure 7. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et fréquence des petits logements.
Crédits Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-9.png
Fichier image/png, 32k
Titre Figure 8. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et proportion d’étudiants.
Crédits Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-10.png
Fichier image/png, 31k
Titre Figure 9. Fréquence des IRIS de la ville-centre à forte polarisation socio-économique interne et inégalités de revenus entre les IRIS « riches » et le IRIS « pauvres ».
Crédits Source : Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-11.png
Fichier image/png, 34k
Titre Figure 10. Catégorisation des IRIS de la commune de Bordeaux.
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-12.png
Fichier image/png, 179k
Titre Figure 11. Autocorrélation spatiale locale de l’Indice de Richesse de Bordeaux
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-13.png
Fichier image/png, 189k
Titre Figure 12. Catégorisation des IRIS de la commune de Lille.
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-14.png
Fichier image/png, 203k
Titre Figure 13. Autocorrélation spatiale locale de l’Indice de Pauvreté de Lille
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-15.png
Fichier image/png, 214k
Titre Figure 14. Catégorisation des IRIS de la commune de Montpellier.
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-16.png
Fichier image/png, 163k
Titre Figure 15. Autocorrélation spatiale locale de l’Indice de Pauvreté de Montpellier
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-17.png
Fichier image/png, 183k
Titre Figure 16. Catégorisation des IRIS de la commune de Nice.
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-18.png
Fichier image/png, 175k
Titre Figure 17. Autocorrélation spatiale locale de l’Indice de Pauvreté de Nice
Crédits Sources : Filosofi, INSEE, fond de carte IGN ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-19.png
Fichier image/png, 167k
Titre Figure 18. Proportions relatives à diverses caractéristiques selon les catégories d’IRIS dans l’ensemble des 14 villes centre des métropoles de province.
Crédits Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-20.png
Fichier image/png, 18k
Titre Figure 19. Pourcentage de variance expliquée par les dimensions de l’analyse en composantes principales.
Crédits Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-21.jpg
Fichier image/jpeg, 164k
Titre Figure 20. Cercle des corrélations de l’analyse en composantes principales (premier plan factoriel).
Crédits Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-22.jpg
Fichier image/jpeg, 348k
Titre Figure 21. Analyse en composantes principales. Représentation des 1480 IRIS des 14 villes centres des métropoles de province sur le premier plan factoriel.
Crédits Sources : RRP INSEE, Filosofi INSEE ; Traitement : auteurs.
URL http://journals.openedition.org/eps/docannexe/image/13336/img-23.jpg
Fichier image/jpeg, 668k
Haut de page

Pour citer cet article

Référence électronique

Argyro Gripsiou et Christophe Bergouignan, « La polarisation socio-économique interne des quartiers centraux des métropoles françaises de province »Espace populations sociétés [En ligne], 2022/2-3 | 2022, mis en ligne le 21 février 2021, consulté le 20 mars 2023. URL : http://journals.openedition.org/eps/13336 ; DOI : https://doi.org/10.4000/eps.13336

Haut de page

Auteurs

Argyro Gripsiou

ATER
COMPTRASEC, Université de Bordeaux
argyro.gripsiou[at]u-bordeaux.fr

Christophe Bergouignan

Professeur
COMPTRASEC, Université de Bordeaux
christophe.bergouignan[at]u-bordeaux.fr

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International - CC BY-NC-ND 4.0

https://creativecommons.org/licenses/by-nc-nd/4.0/

Haut de page
  • Logo Université de Lille
  • Logo Laboratoire TVES
  • Logo Laboratoire Clersé
  • DOAJ - Directory of Open Access Journals
  • Revue soutenue par l’Institut des sciences humaines et sociales du CNRS
    CNRS - Institut national des sciences humaines et sociales
  • OpenEdition Journals
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search