Navigation – Plan du site

AccueilNuméros134ArticlesRAIE : Des représentations spatia...

Articles

RAIE : Des représentations spatiales à l’aide à la décision participative pour la localisation de sites

From spatial representation to participatory decision support for site location
El uso de las representaciones espaciales para la toma de decisiones participativas en la selección de localizaciones
Éric Masson, Jean-Baptiste Litot, Edwige Motte et Olivier Blanpain

Résumés

Cet article présente un outil développé pour permettre l’aide à la décision spatialisée et la cartographie assistée par SIG. Baptisé RAIE (Répulsion, Attraction, Inclusion, Exclusion), cet outil permet à un interviewé ou à un groupe de personnes, lors d’entretiens semi-directifs, de produire des cartes dans un SIG à partir d’une ontologie déclarative. Révélant les enjeux et contraintes spatiales de différents acteurs pour la localisation d’un site, RAIE apporte également une base commune de données géographiques et de production de carte, contribuant à une décision multicritère spatialisée.

Haut de page

Texte intégral

RAIE a été financé sur fonds FEDER par Interreg NWE dans le cadre des projets CEAMAS (2013-2015) et Suricates (2017-2022). Il s’inscrit dans la suite de travaux antérieurs financés par l’ANR RGCU (Sedibet 2007-2011). Les auteurs remercient Sarah Cabarry (IGR contractuelle du projet Interreg NWE Suricates) pour le développement de la première version de l’application.

Introduction

1Cet article est une contribution théorique, méthodologique et opérationnelle pour mobiliser les représentations individuelles dans la production de cartes mentales pour l’aide à la décision spatialisée. L’usage des cartes mentales dans un processus participatif d’aide à la décision spatialisée sous SIG est une méthodologie qui a déjà fait l’objet de plusieurs travaux, mais notre proposition a pour objectif d’éliminer l’étape manuelle de la production de ce type de carte. Nous proposons de passer directement de l’expression de la représentation spatiale à la réalisation par le SIG de la carte mentale. Pour expliquer notre approche et l’outil cartographique qui a été développé, nous analysons, dans une première partie, l’articulation entre représentations spatiales, cartes mentales et systèmes d’aide à la décision sous SIG. Dans notre proposition, acteurs territoriaux et citoyens mobilisent un modèle théorique nommé RAIE (Répulsion Attraction, Inclusion Exclusion) lors d’un entretien semi-directif. Ce modèle théorique a été conceptualisé et élaboré autour de plusieurs problématiques de recherches associant économie circulaire et circuits courts pour l’implantation d’infrastructures de stockage de sédiments fluviaux potentiellement pollués (Masson et al., 2013), le réemploi de sédiments portuaires (Masson et al. 2015, Masson et al. 2019-a-b, Masson et al. 2020) ou le développement d’une filière bois-plaquettes pour la valorisation de haies bocagères (Goncalves et al., 2016). Une deuxième partie exposera le modèle RAIE et expliquera comment il est mis en œuvre dans une application SIG pour produire une carte « mentale » des représentations spatiales exprimées par un participant dans le cadre de l’élaboration d’une règle décisionnelle spatialisée. Une dernière partie, plus opérationnelle, présentera un premier outil développé dans le cadre du projet Suricates (Interreg NWE 2017-2022) dont le but est d’automatiser la production de cartes mentales en appliquant le modèle « à dires d’acteurs ».

Systèmes d’aide à la décision spatialisée, participation et cartes mentales

2Dans sa revue sur trente années d’évolution des SADS (Systèmes d’Aide à la Décision Spatialisée), Jankowski et al. (2019) attribuent l’origine du concept à L.D. Hopkins et M.P. Armstrong (1985) et sa formalisation à P.J. Densham (1991) dans son chapitre « Spatial decision support systems » publié dans l’ouvrage « Geographical Information Systems, Volume 1: Principles » (Maguire et al. 1991). Jankowski rappelle également que des travaux antérieurs aux années 90 ont déjà utilisé des éléments méthodologiques propres aux SADS, mais que leur développement à partir des années 90 s’est largement appuyé sur l’accès aux outils d’analyse spatiale, eux-mêmes dépendants des progrès technologiques (puissance de calcul), applicatifs (développement de fonctions d’analyse spatiale et ergonomie d’utilisation des SIG), de l’accès aux données géographiques et de la diffusion de ces outils dans la recherche (Sheppard, 1995) et les institutions en charge de l’aménagement des territoires.

Localisation de sites par l’analyse du potentiel spatial d’un territoire

3Les outils et méthodes mobilisés dans les Systèmes d’Aide à la Décision Spatialisée (SADS) sont nombreux (Matthies et al., 2007 ; Murray, 2010) et ont été développés depuis plusieurs décennies (Jankowski, 1995 ; Malczewski, 2004, 2006 ; Malczewski et Jankowski, 2020 ; Revelle et Eiselt 2005). Lorsqu’ils sont appliqués pour la localisation d’un site d’implantation d’infrastructure (Coutinho-Rodrigues et al., 2011 ; Flahaut et al. 2002 ; Jelokhani-Niaraki et Malczewski, 2015-a ; Rikalovic et al., 2014 ; Zhang et al. 2011), ils nécessitent une spatialisation des enjeux ou des projets territoriaux qui implique le recours à la cartographie (Jankowski et al., 2001). Il est également nécessaire de pouvoir dialoguer entre les acteurs (Al-Kodmany, 2000 ; MacEachren, 2000 ; Sieber, 2006) et de spatialiser les points de vue contradictoires pour parvenir à un consensus (Boroushaki et Malczewski, 2010 ; Feick et Hall, 1999 ; Jelokhani-Niaraki et Malczewski, 2015b) qui associe des contraintes spatiales et des positions d’acteurs ou de citoyens souvent divergentes (Akter et Simonovic, 2005 ; Arciniegas et Janssen, 2012 ; Carton, 2007 ; Countinho-Rodrigues et al., 2011 ; Lardon et al., 2001 ; Sullivan et al., 1997).

4Dans ces méthodes de localisation et d’évaluation du potentiel spatial des territoires, les SIG apportent la dimension spatiale qui complète ainsi des modèles mathématiques d’optimisation (Revelle et Eiselt, 2005 ; Salze et al., 2011) ou des modèles d’analyse multicritère (Malczewski et Jankowski, 2020). Dans de nombreux cas, l’absence de co-construction de la décision sur des projets sensibles débouche sur un conflit d’acteurs, notamment quand la prise de décision de la localisation du « meilleur emplacement » n’est réalisée qu’à partir de modèles et de données (spatialisés ou non) qui ne tiennent pas compte de la pluralité des acteurs territoriaux ou de l’avis des citoyens (Carton, 2007 ; Morris et Hess, 1975).

SIG participatifs et cartes mentales

5La contrainte d’adhésion sociétale ou locale (Arrow, 1963 ; Avry, 2012 ; Corburn, 2003 ; Ghose, 2003 ; Morris et Hess, 1975 ; Rowe et Frewer, 2005 ; Talen, 1999 ; Sieber, 2006) dans le processus de décision territoriale a rapidement conduit les SADS sur la voie des SIG Participatifs (SIGP) appliqués à la décision multicritère intégrant la dimension multi-acteurs (Elwood, 2006 ; Feick et Hall, 1999 ; Jelokhani-Niaraki et Malczewski, 2015a ; Joerin et al., 2001 ; Joliveau et Amzert, 2001 ; Gorsevski et al., 2013) pour de nombreuses applications thématiques telles que la gestion des risques (Bonnet, 2002, 2004 ; Erden et Coskun, 2010 ; Rikalovic et al., 2014), des ressources territoriales (Allains, 2001 ; Coté et al., 2001 ; Goncalvès et al., 2016 ; Masson et al., 2013 ; Masson et al., 2015 ; Newig et Fritsch, 2009 ; Röling, 1994 ; Vantanen et Marttunen, 2005, Zhang et al., 2011) ou des nuisances environnementales (Al-Kodmany, 2000 ; Basnet et al., 2001 ; Flahaut et al., 2002 ; Gorsevski, et al., 2013 ; Williams et Dunn, 2003). Le SIG participatif est un instrument développé par et pour le public (individus ou groupes locaux) dans le but de favoriser la participation des parties prenantes dans les processus de gestion territoriale locaux (Chambers, 2006). Il s’agit en fait d’éviter ou d’intégrer l’effet NiMBY « Not in My BackYard » (Dear, 1992 ; Farkas, 1999 ; Flahaut et al. 2002 ; Portney, 1984) dans une prise de décision dont la résolution consisterait à faire émerger des localisations à valeur « positive » dans une logique WiMBY « Wanted in My BackYard » (Arunita, 2009).

6Parmi différentes possibilités d’initier la participation (Amzert, 2001 ; Arnstein, 1969 ; House et Gardiner, 1989 ; Joliveau T., 1999, 2001), y compris dans les SIGP (Arciniegas et Janssen, 2012 ; Aitken, 2002 ; Ball, 2002 ; Butt et Li, 2012 ; Gorsevski et al., 2013 ; Jankowski et al. 2019, Jelokhani-Niaraki et Malczewski, 2015b ; Obermeyer, 1998), le recours aux cartes mentales (Gould et White, 1974 ; Rowe et Frewer, 2005 ; Staszak, 2003) comme outil de spatialisation des représentations et des valeurs individuelles territoriales (Didelon et al., 2011 ; Lardon et al., 2001) a rejoint la boite à outils des SIG (Bonnet 2002, 2004 ; Chapon et al., 2010 ; Gumuchian, 1991) y compris pour la localisation de sites (Holvoet, 1981). La carte mentale est ici considérée comme la transcription cartographique de l’espace tel qu’un individu ou un groupe se le représente (Dernat, Johany et Lardon, 2016).

7Bien qu’elle soit un bon outil d’analyse des représentations spatiales (Avry, 2012, Bailly, 1989 ; Beaugitte et al. 2012 ; Bonnet, 2002 ; Gueben-Venière, 2011, Loiseau, 2011 ; Pichon, 2015), le recours à la carte mentale dans l’analyse territoriale des représentations spatiales soulève plusieurs problèmes d’ordres méthodologiques ou conceptuels (Staszak, 2003 ; Breux et al. 2011). D’abord, les compétences individuelles de dessin et de représentation du territoire variant d’un individu à l’autre (Staszak, 2003), il peut être difficile d’obtenir une base commune pour le dialogue (Arrow, 1963). Ensuite, et pour ces mêmes raisons, la compilation des réalisations produites par plusieurs acteurs peut s’avérer compliquée (Bonnet, 2002), ce qui pose la question de la reproductibilité de la méthode d’un individu à l’autre. Enfin, la connaissance multiscalaire du territoire est aussi très variable d’un individu à l’autre bien que plusieurs solutions aient pourtant été mises en place pour valoriser ce potentiel informatif et participatif (Bonnet, 2002 ; Didelon et al. 2011 ; Staszack, 2003).

RAIE : intégration des représentations dans un SADS participatif

8Pour pallier les problèmes d’intégration des connaissances, des enjeux et des valeurs territoriales, issus de cartes mentales, les principales méthodes utilisées pour limiter les biais consistent à fournir un support graphique (fonds de carte, toponymie, images obliques, aériennes ou satellitales…) pour accompagner le dessin des participants (Bonnet, 2002 ; Staszack, 2003) et à réaliser des enquêtes (Bonnet 2002) ou des entretiens semi-directifs. Bien évidemment, ces méthodes introduisent de nouveaux biais liés à l’orientation des interviewés qui, tout en permettant l’émergence des représentations, introduisent un « forçage spatial des représentations », géométrique ou toponymique. En effet, les éléments cartographiques introduits jouent autant un rôle de révélateur que de filtre cognitif qui pose la question de l’inhibition ou de l’exacerbation induites dans la restitution des représentations spatiales. Plusieurs propositions (Bonnet, 2002 ; Didelon et al., 2011) essayent de s’affranchir de ces limites comme, par exemple, Bonnet (2002) qui introduit un lissage quantitatif de la variabilité spatiale en compilant les cartes mentales dans une base de données raster (calcul d’un Z-score multicartes) ou Didelon et al. (2011) et Dutozia et al. (2014) qui proposent d’utiliser un traitement numérique à base de logique floue. Une autre stratégie consiste également à co-construire une représentation spatiale de groupe en utilisant des outils de géovisualisation (Dutozia et al., 2014). Il s’agit alors d’une construction collective des représentations qui limite les effets individuels de sur/sous représentation de certains espaces géographiques ou de certaines valeurs territoriales dans la carte finale.

9Le modèle RAIE utilise plusieurs des solutions précitées pour limiter les biais classiques du dessin manuel individuel tout en essayant de limiter l’introduction de nouveaux biais géométriques et toponymiques. Il s’articule sur un catalogue de données SIG, un modèle théorique de rapport à l’espace, un entretien semi-directif et une application SIG qui spatialise les représentations déclarées. Cette solution méthodologique est innovante au regard de la récente typologie des SADS proposée par Malczewski et Jankowski (2020).

Un modèle théorique pour la numérisation des représentations spatiales

Répulsion Attraction Inclusion Exclusion

10Modèle d’analyse des représentations spatiales, RAIE mobilise quatre concepts élémentaires de rapport à l’espace : la Répulsion, l’Attraction, l’Inclusion et l’Exclusion (i.e. RAIE). Le modèle a été développé pour quantifier un potentiel spatial par une valeur comprise entre 0 et 1 pour chaque cellule d’une matrice dont la résolution et l’extension spatiale sont définies par l’interviewé.

11RAIE est un modèle de traitement de l’information géographique dont l’objectif est de produire une aide à la décision spatialisée pour la localisation de sites d’intérêt. Pour y parvenir, le modèle calcule une carte de contraintes spatiales à dire d’expert, d’acteur ou de citoyen. Celle-ci est également une carte individuelle de potentiel spatial, car elle représente un champ de contraintes spatiales avec des zones de fortes contraintes valant 1 et des zones de faibles contraintes valant 0 (figure 1).

Figure 1. Modèle graphique RAIE

Figure 1. Modèle graphique RAIE

Avec, en ligne, le paramétrage des représentations territoriales à l’extérieur des objets d’une couche d’information géographique et, en colonnes, le paramétrage des représentations territoriales à l’intérieur des objets d’une couche d’information géographique.

12Dans le modèle RAIE, l’inclusion « I » consiste à sélectionner une couche d’information à partir d’un géocatalogue pour alimenter le modèle. L’exclusion « E » revient à ne pas sélectionner une ou plusieurs couches d’information du géocatalogue dans le modèle. En réalisant une sélection de couches dans un géocatalogue, l’interviewé choisit les informations qui font sens pour lui dans la recherche d’une localisation. Par exemple, l’interviewé peut choisir la couche « ports » pour localiser des sites potentiels de stockage à proximité de sites de dragage de sédiments portuaires. Ce faisant, il donne une valeur à telle couche géographique plutôt qu’une autre en sélectionnant ainsi les contraintes géographiques que le modèle doit prendre en compte. RAIE fonctionne donc comme un système multicritère d’aide à la décision où chaque couche géographique mobilisée sélectionnée devient un critère du modèle. Chaque critère devient ainsi une contrainte géographique, contrainte étant ici entendue comme l’inclusion d’un critère (parmi d’autres) qui doit obligatoirement être intégré à la prise de décision.

13Une fois les critères sélectionnés, l’interviewé doit paramétrer chacune des contraintes spatiales en utilisant une règle parmi les quatre suivantes : être à l’intérieur, à l’extérieur, au plus loin ou au plus proche des objets délimités dans une couche géographique sélectionnée. Ce choix peut être différent à l’intérieur et à l’extérieur des objets contenus dans une couche d’information géographique (figure 1). Par exemple, l’interviewé peut choisir la couche « friches portuaires » et demander au modèle d’y appliquer la règle « être à l’intérieur » (pour l’intérieur des objets de la couche friches portuaires) et la règle « être au plus proche » (pour l’extérieur des objets de la couche friches portuaires). L’association de ces deux règles à l’intérieur et l’extérieur des objets géographiques choisis revient à exprimer le critère de décision suivant : je souhaiterais que la localisation soit à l’intérieur ou, à défaut, au plus près de la contrainte spatiale « friches portuaires ». Il y a donc 16 combinaisons possibles (figure 1) : quatre pour l’intérieur X quatre pour l’extérieur des objets géographiques. Parmi celles-ci, deux combinaisons parallèles (Intérieur-Intérieur ou Extérieur-Extérieur) sont des « non décisions ». En effet, dans les deux cas, il n’y a pas de différence « à être » ou « à ne pas être » à l’intérieur et à l’extérieur ce qui revient à exprimer les règles suivantes : « je veux être n’importe où » ou « je ne veux être nulle part » dans le territoire étudié. En revanche, les combinaisons parallèles « être au plus proche » à l’intérieur et à l’extérieur (cas 1) ou « être au plus loin » à l’intérieur et à l’extérieur (cas 2) des objets d’une couche d’information géographique sont des éléments de décisions de localisation où :

  • (cas 1) le décideur souhaite « être au plus près » (intérieur et extérieur) du périmètre des objets d’une couche d’information géographique ;

14ou

  • (cas 2) le décideur souhaite « être au plus loin » (intérieur et extérieur) du périmètre des objets d’une couche d’information géographique.

15Pour le cas 2, « être au plus loin à l’intérieur » reviendrait à chercher à « être au cœur » d’un espace géographique. Il faut noter que cette localisation ne correspond en rien au centroïde, mais aux espaces qui sont les plus éloignés du bord intérieur de l’objet.

16Les quatre règles précitées correspondent à « R » (pour Répulsion) et à « A » (pour Attraction) du modèle RAIE. Il y a donc deux options pour paramétrer une contrainte territoriale répulsive (« être à l’extérieur » ou « être au plus loin »). Il y a également deux options pour paramétrer une contrainte territoriale attractive (« être à l’intérieur » ou « être au plus près »).

17En proposant une combinaison de règles pour l’intérieur et l’extérieur des objets géographiques sélectionnés, le décideur paramètre un critère de décision, mais, ce faisant, il élicite aussi la représentation de la valeur spatiale que peut avoir pour lui une information géographique dans le processus d’aide à la décision. En combinant différents choix de critères, chaque décideur produit une représentation spatiale multicritère sous la forme d’une abstraction, d’une règle de décision qui lui est personnelle et qu’il est possible de calculer dans un SIG. Dans cette règle, l’interviewé peut également considérer qu’une couche d’information géographique a plus d’importance qu’une autre dans le processus de décision. Il a donc la possibilité de pondérer chaque couche d’information géographique sélectionnée par un « poids décisionnel » dont la valeur varie entre 1 et 5 (très faible, faible, moyen, fort, très fort).

18Afin de pouvoir combiner les contraintes dans le modèle RAIE et de pouvoir comparer des résultats entre décideurs :

  • chaque contrainte est normalisée par la valeur maximale (gradient de valeur de 0 à 1) ;

  • les pondérations sont appliquées après normalisation de chaque contrainte ;

  • la combinaison des contraintes spatiales, c’est-à-dire la règle de décision fournie par l’interviewé est une somme de contraintes pondérées ;

  • le résultat de la somme pondérée est à nouveau normalisé par la valeur maximale calculée.

19Le résultat cartographique de ce modèle de traitement, paramétré par le décideur, représente un gradient de valeurs de contraintes spatiales faibles (val=0) à fortes (val=1). Cette carte de valeurs individuelles correspond donc à l’agrégation des représentations spatiales exprimées par l’interviewé à partir d’une sélection d’informations géographiques issues d’un catalogue de données SIG. Ces représentations sont considérées comme des choix cognitifs donnés par le décideur en paramétrant le modèle RAIE. Chacun de ces choix implique une valuation qualitative à l’échelle du catalogue (Inclusion ou Exclusion de la donnée) et à l’échelle de la donnée géographique (emprise spatiale et voisinage des objets géographiques) où :

  • « R » (Répulsif) est appliqué pour qualifier une nuisance (paramétrage = « être loin de ») ou une contrainte maximale (paramétrage = « être à l’extérieur de ») ;

20et

  • « A » (Attractif) est appliqué pour qualifier une aménité (paramétrage = « être proche de » ou une opportunité parmi d’autres (paramétrage = « être à l’intérieur de ») dont il faudrait tenir compte.

21Si « R » renvoie à l’effet NiMBY, « A » renvoie quant à lui à son opposé : WiMBY. Évidemment, aucune décision ni aucune représentation spatiale ne se limite à une seule information géographique. Le postulat de départ est donc, aussi, qu’un individu construit et adapte sa représentation spatiale d’un lieu en fonction d’un objectif défini qui répond à une combinaison d’informations, plutôt qu’à une seule information géographique. Cette construction s’appuie principalement sur la relation fondamentale entre distance et espace (Bailly, 1985).

Production sous SIG d’une carte avec RAIE

22Durant l’entretien dont le protocole est présenté en figure 2, RAIE enregistre le paramétrage d’une règle multicritère de décision individuelle qui décrit précisément la « recette », le modèle de représentation spatiale qu’un individu peut avoir sur une question de localisation de site. Cette règle s’appuie sur les ontologies développées pour les référentiels géographiques qui constituent le catalogue de données utilisé durant l’entretien (ex. pour le domaine « occupation du sol » il est possible d’utiliser une classe d’entités géographiques de la base de données Corine Land Cover au niveau 1, 2 ou 3 à partir d’un choix sémantique de respectivement 5, 15 et 44 classes). Une fois le paramétrage terminé, RAIE dispose d’une ontologie déclarative qui décrit le potentiel spatial d’un territoire selon les représentations spatiales de l’interviewé. Cette règle de décision théorique est, ensuite, convertie en carte en utilisant le logiciel QGIS. En effet, chaque paramétrage d’information géographique sélectionnée (données vecteurs en entrée) correspond à un traitement SIG raster :

  • de calcul de distance euclidienne depuis les entités d’un fichier vectoriel (Répulsion) et par la distance euclidienne inverse (Attraction) ;

  • de conversion en raster binaire des entités d’un fichier vectoriel avec Inclusion (= 0) ou Exclusion (=1) « à l’intérieur de » ou « à l’extérieur de » (figure 1) ;

  • pour Attraction/Répulsion et Inclusion/Exclusion, l’interviewé peut ajouter une zone tampon qui limite le calcul de distance (Attraction/Répulsion) ou l’espace d’intérêt (Inclusion/Exclusion).

23Chaque classe d’entités géographiques sélectionnée peut disposer d’un facteur de pondération variant de 1 à 5 afin de prioriser les informations géographiques les unes par rapport aux autres. Chacune des classes d’entités géographiques est ensuite convertie en raster normalisé de type :

  • calcul de distance euclidienne (gradient de valeurs de 0 à 1) pour un raster Attraction/Répulsion ;

  • calcul d’un masque binaire (0 ou 1) pour un raster Inclusion/Exclusion ;

  • avec ou sans zone tampon.

24Le raster normalisé est ensuite sommé en tenant compte des pondérations choisies par l’interviewé. Pour finir le paramétrage, l’interviewé peut décider de conserver l’intégralité du raster de résultat dont les valeurs varient de 0 à 1. Cela revient à souhaiter cartographier 100 % des contraintes spatiales associées à la recherche de localisation. Il peut aussi ne retenir qu’un intervalle de validation de 0 à moins de 1. Cela revient à ne souhaiter cartographier que la partie du territoire qui ne dépasse pas un seuil de contraintes spatiales entre 0 % et 100 %.

Figure 2. Protocole de passation des entretiens/questionnaires pour l’utilisation du modèle RAIE

Figure 2. Protocole de passation des entretiens/questionnaires pour l’utilisation du modèle RAIE

1avec valeurs environnementales ambivalentes (implantation de champ d’éoliennes, de déchèterie…) ; 2option du protocole si contraintes techniques (utilisation SIG, accès à internet…) ; 3phase d’adaptation pour valider un usage éclairé de l’application RAIE.

25In fine, l’interviewé (ou un groupe d’interviewés) pense les règles de décision qui doivent être dessinées dans le SADS et RAIE cartographie ce qui correspond à une ontologie déclarative, proposée par le(s) participant(s). Il est donc possible de comparer plusieurs modèles de représentation spatiale qui s’apparentent à des cartes mentales, produites automatiquement en mode raster. Avec RAIE, l’interviewé explicite des valeurs spatiales qualitatives sous une forme conceptuelle (sélection des données et des concepts) puis quantitative normalisée (pondération et production de raster) qui permettent d’accéder à tous les outils d’algèbre de grille (opérations mathématiques sur des rasters) qui sont dorénavant applicables sur des cartes mentales. L’automatisation de production permet de s’affranchir des contraintes de dessin, d’échelle et de complexité de représentation d’un territoire et de ses valeurs par la réalisation d’une ontologie proposée par l’interviewé. Comparer des cartes mentales devient donc possible si la question posée implique une réponse mobilisant des données géographiques disponibles dans le catalogue proposé lors de l’entretien. Il est aussi possible de rechercher du consensus spatial (Boroushaki et Malczewski, 2010 ; Feick et Hall, 1999 ; Jelokhani-Niaraki et Malczewski, 2015b) là où les représentations spatiales correspondent à des règles de décisions différentes. Les perspectives, tant pour la cartographie participative que pour l’analyse quantitative des représentations spatiales qualitatives, sont vastes, à la condition initiale que la question posée implique une recherche de localisation nécessitant l’optimisation des contraintes spatiales pour développer une activité ou construire une infrastructure.

Mise en œuvre opérationnelle du modèle RAIE

Premiers résultats

26Le modèle théorique RAIE a été finalisé et testé (Masson et al., 2015) dans le cadre des activités du projet Interreg NWE CEAMAS portant sur le réemploi des sédiments issus de dragage portuaire dans une perspective d’économie circulaire. En effet, les coûts de stockage à terre sont prohibitifs et les conséquences environnementales de rejet en mer non négligeables (Stronkorst et al., 2003). Les premiers résultats obtenus à partir de deux profils d’acteurs de la filière du réemploi du sédiment de dragage (gestionnaire portuaire) ou de la filière fourniture de granulat d’extraction minière (exploitant de carrière) sont présentés dans la figure 3. Chacun des acteurs a proposé une règle de décision (scénario 1 et 2) en réponse à la question : « selon vous quels sont les critères géographiques devant être pris en compte pour le réemploi de sédiments issus de dragage portuaire ? » Les scénarios 1 et 2 (figure 3 A et B) ont été réalisés sous ArcGIS et montrent bien comment des acteurs différents peuvent produire des règles de décisions différentes en sélectionnant et paramétrant des données géographiques en fonction de leurs représentations individuelles. Dans les deux cas, un seuil d’acceptation a été proposé pour la valeur 0,2 sur une échelle de contrainte de 0 à 1 (figure 3 C et D). Les espaces retenus selon des règles de décisions communes sont, évidemment, d’emprises spatiales elles aussi très différentes. Il est néanmoins possible d’intersecter ces deux scénarios pour identifier les zones de consensus spatial entre acteurs, malgré des règles de décision différentes (figure 3 E).

Figure 3. Application du modèle RAIE par deux acteurs territoriaux

Figure 3. Application du modèle RAIE par deux acteurs territoriaux

Modifié de Masson et al., 2015

27À partir de ces résultats, une première application a été développée dans le cadre du projet Suricates (Interreg NWE) en reprenant les concepts du modèle RAIE.

Une première application open source

28L’application RAIE est un outil développé en langage Python. Sa version interfacée (figure 4) s’appuie sur plusieurs logiciels libres : Wampserver 64, QGIS version 2.16, Python 2.7 ; le navigateur Mozilla Firefox ; un catalogue de données SIG issues de l’opendata tel qu’Open Street Map. Ce catalogue d’informations géographiques est modifiable en direct par l’interviewé. Une seconde version de l’application, non interfacée, « pilote » QGIS à partir d’un script python.

Figure 4. Application RAIE, interface de la première version

Figure 4. Application RAIE, interface de la première version

Développement S. Cabarry, 2018

29Dans cette première version de l’application (interfacée ou non), toutes les options de paramétrage des représentations territoriales (figure 1) n’ont pas été retenues (figure 4). Il s’agissait de réaliser une interface qui reprenne les principales combinaisons de paramétrage en évitant que l’interviewé soit démuni face à un trop grand choix d’options. L’interviewé peut choisir un territoire en rapport avec la question posée (figure 4A). Il peut, ensuite, naviguer dans le catalogue de données (figure 4B et 4C) pour sélectionner et paramétrer (figure 4C) les données géographiques qu’il souhaite inclure dans sa règle de décision pour répondre à la question posée.

30Cette première application a été développée sous environnement Windows et ne fonctionne pas sous IOS ou Linux. De plus, elle repose sur une architecture logicielle qui est très sensible aux variables d’environnement Windows, aux bibliothèques Python et aux versions de QGIS, Wampserver et Firefox installées. Leurs mises à jour automatiques impliquent une maintenance de la première version de l’application RAIE. Cela a conduit au développement d’une nouvelle version plus stable, à même d’être utilisée pour la réalisation d’une campagne d’entretiens auprès d’acteurs territoriaux.

Conclusions et Perspectives

31En conclusion, RAIE est une contribution théorique et méthodologique à la réalisation de cartes mentales d’un nouveau genre. En s’appropriant le modèle théorique RAIE, l’interviewé propose, en la formalisant, sa propre représentation de valeurs territoriales qu’il caractérise à partir de sa propre sélection d’objets géographiques parmi ceux mis à sa disposition dans un catalogue de données SIG. Cette formalisation est ensuite implémentée sous forme d’une carte raster dans l’application RAIE. Cette spatialisation est réalisée soit directement, durant un entretien semi-directif, soit a posteriori, par la transposition des choix de représentations enregistrés dans un questionnaire. La passation de ce dernier peut être réalisée en ligne ou en accompagnement de l’entretien avec un acteur territorial. L’application calcule ensuite une carte raster selon une approche multicritère par somme pondérée, telle que formalisée par l’interviewé, qui permet de spatialiser les valeurs territoriales sous la forme finale d’une contrainte territoriale normalisée (valeurs de 0 à 1). Chaque carte mentale ainsi produite est comparable à la carte d’un autre acteur interviewé ou à plusieurs autres cartes, dans le cas d’une consultation participative pour prise de décision territoriale ou dans le cas, plus exploratoire, d’une analyse des représentations spatiales de groupe(s) ou d’individu(s). Dans les deux cas, la question posée en début de processus doit pouvoir susciter chez l’interviewé une représentation spatiale l’amenant à décrire pourquoi et comment tel ou tel objet géographique devrait être pris en compte afin de fournir une réponse territorialement acceptable. Les perspectives de l’utilisation de RAIE sont très vastes et intéressent autant le décideur et l’aménageur que le chercheur en sciences humaines et sociales. Dans les deux cas, RAIE peut être utilisé en entretien semi-directif ou dans une logique d’enquête à large spectre territorial ou sociétal.

32Pour les acteurs territoriaux, RAIE peut être utilisé comme un outil de dialogue participatif pour optimiser la localisation de sites d’intérêt en recherchant des espaces de consensus spatial (Boroushaki et Malczewski, 2010 ; Feick et Hall, 1999 ; Jelokhani-Niaraki et Malczewski, 2015b), c’est-à-dire ceux qui cumulent un moindre niveau de contraintes spatiales à l’issue d’une consultation qui peut inclure une représentation des acteurs et des citoyens d’un territoire. Il est tout aussi envisageable de produire des cartes mentales, à dire d’experts, de professionnels des services techniques d’une collectivité pour l’implantation d’une nouvelle infrastructure : par exemple, ceux des services voirie, assainissement et environnement pour l’implantation d’un nouvel axe routier. Lorsqu’il est utilisé dans ce sens, RAIE est donc une contribution aux SADS.

33Pour la recherche en sciences humaines et sociales, RAIE offre un vaste potentiel d’analyse de cartes mentales grâce à la formalisation des représentations spatiales individuelles, collectives ou participatives dans le cadre d’une expérimentation impliquant une ou plusieurs questions de localisation et un ou plusieurs catalogues de données géographiques. Il est ainsi possible, par exemple, de comparer les valeurs spatiales individuelles, collectives ou sectorielles, que des interviewés pourraient projeter au moyen du modèle RAIE lorsqu’on leur demanderait de définir une règle de décision pour l’implantation d’un réseau de points de collecte de déchets ou d’un réseau d’antennes 5G. L’accumulation de cartes mentales normalisées ainsi récoltées deviendrait aussi une base de données spatiales de points de vue individuels et collectifs sur l’une ou l’autre de ces deux questions. Ce matériau scientifique, où les entrées sont des cartes mentales au format raster normalisé et où les variables sont des profils d’interviewés, peut à son tour être une base de recherche pour l’exploration quantitative des représentations spatiales individuelles et collectives. RAIE est donc une contribution à l’analyse de l’acceptabilité dans un groupe multi-acteurs offrant plusieurs solutions potentielles (Arrow, 1963) et de l’intégration des contraintes locales dans la prise de décision (Holling, 1978) à partir d’une plateforme mobilisant les connaissances locales et environnementales (Roling, 1994).

Haut de page

Bibliographie

Aitken S. C. (2002). Public participation, technological discourses and the scale of GIS”. In W. Craig, T. Harris, D. Weiner, éd., Community Participation and Geographic Information Systems. Londres : Taylor & Francis, p. 357-366.

Akter T., Simonovic S.P. (2005). “Aggregation of fuzzy views of a large number of stakeholders for multi-objective flood management decision-making. Journal of Environnemental Management, vol. 77, no 2, p. 133-143.

Al-Kodmany K. (2000). “Extending geographic information systems (GIS) to meet neighborhood planning needs: the case of three Chicago communities. The URISA Journal, vol. 12, no 3, p. 19-37.

Allain S. (2001). « Les schémas d’aménagement et de gestion des eaux (SAGE) : une procédure innovante de planification participative de bassin ». Géocarrefour, vol. 76, no 3, p. 199-209.

Amzert M. (2001). « La participation et ses territoires : métamorphoses et métaphores du développement ». Géocarrefour, vol. 76, no 3, p. 175-180.

Arciniegas G., Janssen R. (2012). “Spatial decision support for collaborative land use planning workshops. Landscape and Urban Planning, vol. 107, no 3, p. 332-342.

Arnstein S. (1969). “A ladder of citizen participation. Journal of the American Institute of Planners, vol. 35, no 4, p. 216-224.

Arrow K.J. (1963). Social Choice and Individual Values. 2e éd. Yale University Press, 126 p.

Arunita A. (2009). WiMBY: A comparative interests analysis of the heterogeneity of redevelopment of publicly owned vacant land. Landscape and Urban Planning, vol. 93, no 1, p. 38-45.

Avry L. (2012). Analyser les conflits territoriaux par les représentations spatiales : une méthode cognitive par cartes mentales. Thèse de doctorat de géographie, Université Rennes 2, 586 p.

Ball J. (2002). “Towards a methodology for mapping ‘regions for sustainability’ using PPGIS. Progress in Planning, vol. 58, no 2, p. 81-140.

Bailly A. S. (1985). « Distances et espaces : Vingt ans de géographie des représentations ». L’Espace géographique, vol. 14, no 3, p. 197-205.

Bailly A.S. (1989). « L’imaginaire spatial. Plaidoyer pour la géographie des représentations ». Espaces Temps, vol. 40-41, p. 53-58.

Basnet B., Apan A., Raine S. (2001). “Selecting suitable sites for animal waste application using raster GIS. Environmental Management, vol. 28, no 4, p. 519-531.

Beaugitte L., Didelon C., Grasland C. (2012). « Le projet eurobroadmap, visions de l’Europe dans le monde ». Politique européenne, vol. 37, no 2, p. 156-167.

Bonnet E. (2002). Risques industriels : évaluation des vulnérabilités territoriales. Thèse de doctorat, Université du Havre, 341 p.

Bonnet E. (2004). « Risques industriels : les territoires vulnérables de l’estuaire de la Seine ». Mappemonde, vol. 76, no 4, p. 1-6.

Boroushaki S., Malczewski J. (2010). “Measuring consensus for collaborative decision-making: A GIS-based approach. Computers, Environment and Urban Systems, vol. 34, no 4, p. 322-332.

Breux S., Reuchamps M. Loiseau H. (2011). Carte mentale et science politique : Regards et perspectives critiques sur l’emploi d’un outil prometteur. Bruxelles : PIE Peter Lang, 186 p.

Butt M.A., Li S. (2012). “Developing a web-based, collaborative PPGIS prototype to support public participation. Applied Geomatics, vol. 4, no 3, p. 197-215.

Carton L.J. (2007). Map making and map use in a multi-actor context: Spatial visualizations and frame conflicts in regional policymaking in the Netherlands. Thèse, Université Radbout, 358 p.

Chambers R. (2006). Participatory mapping and geographic information systems: Whose map? Who is empowered and who disempowered? Who gains and who loses? The Electronic Journal on Information Systems in Developing Countries, vol. 25, no 2, p. 1-11.

Chapon P.M., Beuret C., Bolomier C., Choisy P., Zambernardi S. (2010). « Cartes mentales et représentations spatiales de résidents en MARPA : un outil d’aide à l’implantation de nouvelles structures d’hébergement ? » Norois, vol. 216, no 3, p. 57-66.

Coté M.-J., Poulin G., Previl C., Saint-Onge B., Waaub J.-P. (2001). « Un système intégré d’aide à la décision pour gérer le territoire en tenant compte des dimensions environnementale et participative du développement durable. Le cas du SIAD Outaouais, Québec, Canada ». Géocarrefour, vol. 76, no 3 « Les territoires de la participation ».

Coutinho-Rodrigues J., Simao A., Henggeler Antunes C. (2011). “A GIS-based multicriteria spatial decision support system for planning urban infrastructures. Decision Support System, vol. 51, no 3, p. 720-726.

Dear M. (1992). Understanding and overcoming the NIMBY syndrome. Journal of the American Planning Association, vol. 58, no 3, p. 288-300.

Densham P.J. (1991). “Spatial Decision Support Systems”. In D.J. Maguire, M.F. Goodchild et D.W. Rhind, éd., Geographical Information Systems. Volume 1: Principles and applications. Londres : Longman Scientific & Technical, p. 403-412.

Dernat S., Johany F., Lardon S. (2016). “Identifying choremes in mental maps to better understand socio-spatial representations. Cybergeo: European Journal of Geography, « Systèmes, Modélisation, Géostatistiques », document 800, mis en ligne le 23 décembre 2016, consulté le 15 février 2021. En ligne : https://journals.openedition.org/cybergeo/27867

Didelon C., Ruffray S. de, Boquet M., Lambert N. (2011). « Un monde d’interstices : apport de la logique floue pour l’analyse des cartes interprétatives ». CFC, no 209, p. 71-82.

Elwood S. (2006). “Negotiating knowledge production: The everyday inclusions, exclusions, and contradictions of participatory GIS research. Professional Geographer, vol. 58, no 2, p. 197-208.

Dutozia J., Emsellem K., Voiron C. (2014). « Théorie des ensembles flous et science géographique : trois champs d’application, des pistes de convergence ». Actes des Rencontres francophones sur la logique floue et ses applications. LFA 2014, Oct. 2014, Cargèse, France, 8 p. En ligne : https://hal.archives-ouvertes.fr/hal-01306283

Erden T., Coskun Z. (2010). “Multi-criteria site selection for fire services: The interaction with analytic hierarchy process and geographic information systems. Natural Hazards and Earth System Sciences, vol. 10, no 10. En ligne : https://doi.org/10.5194/nhess-10-2127-2010

Farkas M.A. (1999). “Not in my backyard”: The issues and complexities surrounding prison siting. The Justice Professional, vol. 12, no 1, p. 95-109.

Feick R.D., Hall G.B. (1999). “Consensus-building in a Multi-participant spatial decision support system. URISA Journal, vol. 11, no 2, p. 17-23.

Flahaut B., Laurent M.A., Thomas I. (2002). “Locating a Community Recycling Center within a Residential Area: A Belgian Case Study. The Professional Geographer, vol. 54, no 1, p. 67-82.

Goncalves G., Masson E., Wei X. (2016). “Sustainable management of energy wood chips sector: Case study of the regional park ‘Caps et Marais d’Opale’. Social and Behavioral Sciences, vol. 221, p. 352-361.

Gorsevski P.V., Cathcart S.C., Mirzaei G. Jamali M.M., Ye X., Gomez Delcampo E. (2013). “A group-based spatial decision support system for wind farm site selection in Northwest Ohio. Energy Policy, vol. 55, p. 374-385.

Gould P., White R. (1974). Mental Maps. New York : Penguin Books, 187 p.

Gueben-Venière S. (2011). « En quoi les cartes mentales, appliquées à l’environnement littoral, aident-elles au recueil et à l’analyse des représentations spatiales ? ». EchoGéo, vol. 17, mis en ligne le 27 septembre 2011, consulté le 27 septembre 2020. En ligne : https://journals.openedition.org/echogeo/12573

Gumuchian H. (1991). Représentations et Aménagement du Territoire. Paris : Anthropos-Economica, 143 p.

Holling C.S. (1978). Adaptive Environmental Assessment and Management. New York : John Wiley & Sons, 380 p.

Holvoet M. (1981). « Localisation industrielle en Belgique : Cartes mentales et préférences spatiales d’un groupe de futurs responsables économiques ». Revue belge de Géographie, vol. 105, no 2, p. 41-57.

House M.A., Gardiner J.L. (1989). River catchment planning and public perception of river corridors for recreation and amenity: The UK scene, Wetlands and River Corridor Management. In J. A. Kusler, S. Daly, éd., Wetlands and River Corridor Management: Proceedings of the International Wetland Symposium Jul 5-9, 1989, Charleston, South Carolina, USA, Association of Wetland Managers, Berne, New York, USA p. 324-330.

Jankowski P. (1995). “Integrating geographical information systems and multiple criteria decision-making methods. Geographical Information Systems, vol. 9, no 3, p. 251-273.

Jankowski P., Andrienko N., Andrienko G. (2001). “Map-centred exploratory approach to multiple criteria spatial decision making. International Journal of Geographical Information Science, vol. 15, no 2, p. 101-127.

Jankowski P., Czepkiewicz M., Mlodkowski M., Zwolinski Z., Wojcicki M. (2019). “Evaluating the scalability of public participation in urban land use planning: A comparison of Geoweb methods with face-to-face meetings. Environment and Planning B: Urban analytics and City Science, vol. 46, no 3, p. 511-533.

Jelokhani-Niaraki M., Malczewski J. (2015a). “A group mutlicriteria spatial decision support system for parking site selection problem: A case study. Land Use Policy, vol. 42, no 3-4, p. 492-508.

Jelokhani-Niaraki M., Malczewski J. (2015b). “Decision complexity and consensus in Web-based spatial decision making: A case study of site selection problem using GIS and multicriteria analysis. Cities, vol. 45, p. 60-70.

Joerin F., Nembrini A., Rey M.-C., Desthieux G. (2001). « Information et participation pour l’aménagement du territoire ». Revue internationale de Géomatique, vol. 11, p. 309-332.

Joliveau T. (1999). Citoyenneté, planification et gouvernement urbains aux États-Unis. Des communautés dans la ville. Paris : L’Harmattan, coll. « Géographie sociale », 295 p.

Joliveau T. (2001). « La participation à la décision territoriale : dimension socio-géographique et enjeux informationnels d’une question politique ». Géocarrefour, « Les territoires de la participation », vol. 76, no 3, p. 273-279.

Joliveau T., Amzert M. (2001). « Les territoires de la participation : problème local, question universelle ? Éditorial ». Géocarrefour, « Les territoires de la participation », vol. 76, no 3, p. 171-174.

Lardon S., Maurel P., Piveteau V., dir. (2001). Représentations spatiales et développement territorial. Paris : Hermès, 437 p.

Loiseau H. (2011). Carte mentale et science politique : Regards et perspectives critiques sur l’emploi d’un outil prometteur. Bruxelles : PIE Peter Lang, 186 p.

Maceachren A.M. (2000). “Cartography and GIS: Faciliting collaboration. Progress in Human Geography, vol. 24, no 3, p. 445-456.

Maguire D.J., Goodchild M.F., Rhind D. (1991). Geographical Information Systems: Principles and applications. Vol.1. Londres : Longman Scientific & Technical, 649 p.

Malczewski J. (2004). “GIS-based land-use suitability analysis: a critical overview. Progress in Planning, vol. 62, no 1, p. 3-65.

Malczewski J. (2006). “GIS-based multicriteria decision analysis: A survey of the literature. International Journal of Geographical Information Science, vol. 20, no 7, p. 703-726.

Malczewski J., Jankowski P. (2020). “Emerging trends and research frontiers in spatial multicriteria analysis. International Journal of Geographical Information Science, vol. 34, no 7, p. 1257-1282.

Masson E., Blanpain O., Bouzembrak Y., Goncalves G., Allaoui H. (2013). “European Water Framework Directive objectives and polluted waterway sediments in Nord-Pas-de-Calais Region (France). In Arnaud-Fassetta G. Masson E., Reynard E., éd., European continental hydrosystems under changing water policy, Munich : Pfeil-Verlag, p. 59-69.

Masson E., Lahlou D., Roig Cervera D., Sutton G. D., Debuigne T., Chevalier G., Blanpain O. (2015). Spatial DSS using GIS and weighted sum: application to the marine sediment re-use in the ports of North Western Europe. Proceeding of the 29th EnviroInfo and 3rd ICT4S Conference, Copenhagen, September 2015, 8 p.

Masson E., Cabarry S., Litot J.-B., Blanpain O. (2019). « RAIE : Un modèle d’analyse numérique du géopotentiel des territoires basé sur les représentations des contraintes spatiales ». Quatorzièmes Rencontres de ThéoQuant Besançon (France), 6-8 février 2019.

Masson E., Motte E., Chevalier G., Litot J.-B., Audouit C., Deboudt P., Blanpain O. (2020). « RAIE : un outil de cartographie de l’acceptabilité territoriale, pour le réemploi de sédiments d’infrastructure portuaire ». Conférence merIGéo, De l’océan à la côte : l’information géographique en mouvement, 3e édition, session 5 - Outils d’aide à la décision, Nantes, novembre 2020, 4 p.

Masson E., Litot J.-B., Blanpain O. (2019). « RAIE : Modélisation des représentations spatiales pour la production de carte mentale sur base d’ontologie déclarative ». Actes du colloque « Cartotête », Besançon, 3-4 octobre 2019.

Matthies M., Giupponi C., Ostendorf B. (2007). “Environmental decision support systems: Current issues, methods and tools. Environmental Modelling and Software, vol. 22, no 2, p. 123-127.

Morris D., Hess K. (1975). Neighborhood Power: The New Localism. Boston : Beacon Press, 180 p.

Murray A.T. (2010). “Advances in location modeling: GIS linkages and contributions”. Journal of Geographical Systems, vol. 12, no 3, p. 335-354.

Newig J., Fritsch O. (2009). “Environmental Governance: Participatory, Multi-level – And effective?. Environmental Policy and Governance, vol. 19, no 3, p. 197-214.

Obermeyer N.J., (1998). “The Evolution of public participation GIS. Cartography and Geographic Information Systems, vol. 25, no 2, p. 65-66.

Pichon M. (2015). « Espace vécu, perceptions, cartes mentales : l’émergence d’un intérêt pour les représentations symboliques dans la géographie française (1966-1985) », BAGF, vol. 92, no 1, p. 95-110.

Portney K.E. (1984). Allaying the NIMBY syndrome: The potential for compensation in hazardous waste treatment facility siting. Hazardous Waste, vol. 1, no 3, p. 411-421.

Revelle C.S., Eiselt H.A. (2005). “Location analysis: A synthesis and survey. European Journal of Operational Research, vol. 165, no 1, p. 1-19.

Rikalovic A., Cosic I., Lazarevic D. (2014). “GIS based multi-criteria analysis for industrial site selection. Procedia Engineering, vol. 69, p. 1054-1063.

Roling N.G. (1994). “Platforms for decision-making about ecosystems”. In L.O. Fresco, L. Stroosnijder, J. Bouma et H. van Keulen, éd., The Future of the Land, Mobilising and Integrating Knowledge for Land-Use Options. Chichester : John Wiley & Sons, p. 385-394.

Rowe G., Frewer L.J. (2005). “A typology of public engagement mechanisms. Sciences, Technologies and Human Values, vol. 30, no 2, p. 251-290.

Salze P., Banos A., Oppert J.-M., Charreire H., Casey R., Simon C., Chaix B., Badariotti D., Weber C. (2011). “Estimating spatial accessibility to facilities on the regional scale: an extended commuting-based interaction potential model. International Journal of Health Geographics, vol. 10, no 2, 16 p.

Sheppard E. (1995). “GIS and society: Towards a research agenda. Cartography and Geographic Information Systems, vol. 22, no 1, p. 5-16.

Sieber R. (2006). “Public participation Geographic Information Systems: A literature review and framework. Annals of the Association of American Geographers, vol. 96, no 3, p. 491-507.

Staszak J.-F. (2003). « Carte mentale ». In Lévy J., Lussault M., dir., Dictionnaire de la géographie et de l’espace des sociétés. Paris : Belin, p. 132-133.

Stronkhorst J., Ariese F., Van Hattum B., Postma J.F., De Kluijver M., Den Besten P.J., Bergman M.J.N., Daan R., Murk A.J., Vethaak A.D. (2003). “Environmental impact and recovery at two dumping sites for dredged material in the North Sea. Environmental Pollution, vol. 124, no 1, p. 17-31.

Sullivan W.C., Kuo F.E., Prabhu M. (1997). “Communication with citizens: The power of photosimulations and simple editing. Environnemental Impact Assessement Review, vol. 17, no 4, p. 295-310.

Talen E. (1999). “Constructing neighborhoods from the bottom up: The case for resident-generated GIS. Environment and Planning B: Planning and Design, vol. 26, no 4, p. 533-554.

Vantanen A., Marttunen M. (2005). “Public involvement in multi-objective water level regulation development projects: Evaluating the applicability of public involvement methods. Environmental Impact Assessment Review, vol. 25, no 3, p. 281-304.

Williams C., Dunn C.E. (2003). GIS in participatory research: Assessing the impact of landmines on communities in North-west Cambodia. Transactions in GIS, vol. 7, no 3, p. 393-410.

Zhang F., Johnson D.M., Sutherland J.W. (2011). “A GIS-based method for identifying the optimal location for a facility to convert forest biomass to biofuel”. Biomass and Bioenergy, vol. 35, no 9, p. 3951-3961.

Haut de page

Table des illustrations

Titre Figure 1. Modèle graphique RAIE
Légende Avec, en ligne, le paramétrage des représentations territoriales à l’extérieur des objets d’une couche d’information géographique et, en colonnes, le paramétrage des représentations territoriales à l’intérieur des objets d’une couche d’information géographique.
URL http://journals.openedition.org/mappemonde/docannexe/image/8134/img-1.jpg
Fichier image/jpeg, 249k
Titre Figure 2. Protocole de passation des entretiens/questionnaires pour l’utilisation du modèle RAIE
Légende 1avec valeurs environnementales ambivalentes (implantation de champ d’éoliennes, de déchèterie…) ; 2option du protocole si contraintes techniques (utilisation SIG, accès à internet…) ; 3phase d’adaptation pour valider un usage éclairé de l’application RAIE.
URL http://journals.openedition.org/mappemonde/docannexe/image/8134/img-2.jpg
Fichier image/jpeg, 264k
Titre Figure 3. Application du modèle RAIE par deux acteurs territoriaux
Crédits Modifié de Masson et al., 2015
URL http://journals.openedition.org/mappemonde/docannexe/image/8134/img-3.png
Fichier image/png, 1,0M
Titre Figure 4. Application RAIE, interface de la première version
Crédits Développement S. Cabarry, 2018
URL http://journals.openedition.org/mappemonde/docannexe/image/8134/img-4.jpg
Fichier image/jpeg, 462k
Haut de page

Pour citer cet article

Référence électronique

Éric Masson, Jean-Baptiste Litot, Edwige Motte et Olivier Blanpain, « RAIE : Des représentations spatiales à l’aide à la décision participative pour la localisation de sites »Mappemonde [En ligne], 134 | 2022, mis en ligne le 27 octobre 2022, consulté le 22 mai 2024. URL : http://journals.openedition.org/mappemonde/8134 ; DOI : https://doi.org/10.4000/mappemonde.8134

Haut de page

Auteurs

Éric Masson

Lab. TVES UR 4477, Université de Lille

Jean-Baptiste Litot

Lab. TVES UR 4477, Université de Lille

Edwige Motte

Lab. TVES UR 4477, Université de Lille

Articles du même auteur

Olivier Blanpain

Lab. TVES UR 4477, Université de Lille

Haut de page

Droits d’auteur

CC-BY-NC-SA-4.0

Le texte seul est utilisable sous licence CC BY-NC-SA 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