Agrégation et combinaison

Cette fois, deux questions nous paraissent importantes : celle concernant la ma- nière d'envisager la compensation, en vertu des principes compensatoires évoqués plus haut, et, conséquemment, l'éventuelle pondération qu'il peut convenir d'appor- ter à chacun des diérents indicateurs de départ.

4.2.3.1 Agrégation et pondération

La synthétisation des indicateurs pose la question de la méthode relative à la pro- duction de cette donnée de synthèse. Les valeurs des indicateurs évalués vont ainsi devoir être  fusionnées  pour produire un indicateur synthétique regroupant, ici, les trois indicateurs évalués sélectionnés. Ce procédé mathématique d'agrégation pose ici la question de la pondération des indicateurs, évoquée dans le chapitre 3. Doit-on accorder la même valeur à tous les indicateurs ? Doit-on considérer qu'une mauvaise performance pour un seul indicateur rends l'ensemble globalement mauvais ? Selon la philosophie envisagée, il peut être recouru à divers procédés d'agrégation. Par exemple, le recours à diérents opérateurs d'agrégations (Tannier, 2000). Nous en présentons deux ici, les plus parlants pour notre méthodologie, qui permettent de réaliser une moyenne des indicateurs de départ pour former un indicateur synthé- tique.

 La moyenne arithmétique µa+µb+µn n

La plus simple et la plus fréquente, se traduisant par la simple addition des valeurs divisée par le total de celles-ci. La valeur 0 n'est pas élément absorbant.  La moyenne géométrique √n_µaµb...µn

Cette moyenne fait de la valeur 0 un élément absorbant, rendant ainsi nulle la valeur d'un indicateur synthétique dans lequel l'un des indicateurs évalués au- rait une valeur 0. Nous sommes ici dans une logique éliminatoire où l'on consi- dérerait qu'une mauvaise performance dans un domaine entraînerait d'oce une mauvaise performance dans l'ensemble de la sphère concernée (la valeur de l'indicateur synthétique se rapprochera du minimum). C'est un opérateur qualié de  pessimiste  puisqu'il ne permet en fait pas de compensation entre les indicateurs d'une même sphère.

Les tests théoriques ont pu montrer que l'utilisation de ces deux types de moyennes pouvaient inuer sur le résultats nal concernant l'indicateur synthétique, comme le montre la gure 4.8. Nous retrouvons logiquement des indicateurs synthétiques aux valeurs diérentes faisant varier les perceptions des performances du territoire selon l'opérateur utilisé. La moyenne géométrique, nous le voyons partout, diminue nettement le nombre de cellules de bonne performance pour chacun des indicateurs. Cette agrégation s'est faite, avec ces moyennes, dans l'hypothèse d'un poids égal accordé à chaque indicateur. Dans l'hypothèse où l'on exclut de donner une valeur éliminatoire à un indicateur jugé mauvais, et où l'on jugerait au contraire nécessaire de valoriser une bonne performance pour un indicateur jugé important, il faudrait cette fois-ci se tourner vers un recours à des pondérations  à la carte  en fonction des choix des décideurs.

4.2.3.2 Combinaison

La dernière étape illustrée dans la gure 4.8, ( catégorisation ), correspond à l'étape de la combinaison décrite plus haut. A partir des indicateurs synthétiques ob- tenus, la combinaison des valeurs de chacun d'eux va permettre d'identier à quelle catégorie ils se rapportent, selon le schéma du développement durable : une cellule combinant une bonne performance dans les trois sphères correspondra à la catégorie centrale (durable), etc. Cette catégorisation peut se formaliser comme illustré dans la gure 4.9. Nous pouvons ainsi analyser les diérentes mailles de l'espace en fonc-

Figure 4.9  Niveaux de combinaisons

tion de leur niveau de durabilité, comme nous l'avons expliqué dans la présentation du processus méthodologique. Cela nous permet de produire une cartographie nale illustrant les performances de chacune de nos cellules en fonction de leur durabilité. Cette cartographie nale est l'outil sur lequel pourront s'appuyer les décideurs pour disposer d'une analyse globale et complète de la situation de leur territoire. Nous nous attacherons, dans la troisième partie, à analyser en détails ces résultats obte- nus. Ici, nous avons présenté l'élaboration progressive du processus méthodologique visant à traiter les données de sorties issues de la modélisation, à savoir les neuf indicateurs sélectionnés, pour conduire à une donnée synthétique. Nous avons pu identier les principales étapes du processus et les principales questions qu'il pré- sentait, notamment celle de la méthode d'agrégation et de l'importance accordée à chaque indicateur évalué.

Nous l'avons dit, les choix méthodologiques présentés ici seront appliqués et pré- sentés dans le chapitre 5, sur l'aire d'étude de la Communauté d'agglomération du Grand Besançon. Nous présentons cette aire d'étude dans la gure 4.10.

Figure 4.10  Aire d'étude du Grand Besançon

Besançon est une ville moyenne peuplée d'environ 117 000 habitants14_{. La Com-}

munauté d'agglomération du Grand Besançon (CAGB), sur le territoire de laquelle nous eectuons ces tests, était peuplée, avant son élargissement en 2017 (non pris en compte ici) de 180 000 habitants15_{. Elle se caractérise par une présence forte}

d'espaces périurbains et ruraux, et d'espaces naturels : Foret de Chailluz (1673 hec- tares), contreforts du massif du Jura au Sud de l'agglomération). Terrain d'étude des simulations du modèle MobiSim, elle nous permettra donc de tester les indicateurs retenus et produits par ce modèle.

Cette méthodologie nous semble ainsi appropriée pour répondre aux besoins identi- és plus haut d'obtenir des données lisibles et exploitables. En nous basant sur les méthodologies exposées dans l'état de l'art réalisé dans le chapitre précédant, nous avons voulu produire ici un protocole de production d'informations accessible aux acteurs de l'aménagement d'un territoire. Nous avons en eet souligné la possibi- lité d'un recours à la fois à une démarche de type top-down basée sur l'expertise (évaluation des indicateurs) et à une démarche bottum-up, dans la partie concernant l'agrégation des données : quelle importance une société, une population accorde-t- elle à chaque indicateur ?

14. Recensement de 2014 15. Idem

Avant d'analyser le détail des résultats produits par cette méthodologie, nous de- vons, en conséquence, nous interroger sur la pertinence de nos choix. Nous avons vu en eet que les tests eectués ici, notamment dans les diérents exercices de pondération, se sont basés sur des choix intuitifs et arbitraires. Cela nécessite des questionnements et approfondissements que nous allons soulever dans la dernière partie de ce chapitre.

4.3 ... calibré et validé par une démarche participa-