Les données de flux que nous diffusons sont issues de la géolocalisation de smartphones, collectées via des applications mobiles utilisant les services de localisation. Si elles offrent une vision précieuse des dynamiques de déplacements piétons et routiers, leur exploitation nécessite une certaine vigilance quant à leur interprétation. Il est important de noter que tous les acteurs du marché utilisent les même sources de données et sont soumis aux mêmes limites que celles que nous exposons avec transparence ici.
Voici les principales limites à garder en tête.
Une source imparfaite : les smartphones géolocalisés
La donnée repose sur l’usage volontaire d’applications mobiles avec géolocalisation activée. Par conséquent, elle ne couvre qu’une partie parcellaire de la population et peut présenter certains biais, notamment en fonction des profils d’utilisateurs, des zones géographiques et des horaires. Il s’agit donc d’un échantillon qui permet de faire de bonnes analyses de comparaison, mais qui empêche de faire des estimations sérieuses concernant le volume de fréquentation
Pour mieux comprendre les limites liées à la géolocalisation mobile, il est utile de consulter les recommandations de la CNIL, notamment en ce qui concerne les biais et le respect de la vie privée.
Des incohérences localisées ponctuelles
Certaines anomalies peuvent apparaître localement :
- Présence de “piétons” sur des autoroutes, lacs ou pistes de ski : Ces zones ne sont évidemment pas empruntées à pied, mais sont liés a des usages des téléphones mobiles proches de ceux des piétons. Par exemple utilisation d’un téléphone en voiture dans une période d’embouteillage, sur un bateau lors d’une sortie sur un lac, dans un télésiège au ski etc. Il existe aussi parfois de problèmes de précision des coordonnées de géolocalisation.
- Mailles isolées fortement classées : on observe parfois des cellules de flux très élevées, sans continuité spatiale, qui ne correspondent pas à une réalité terrain. Il s’agit souvent d’anomalies statiques, identifiées, et destinées à être corrigées dans les prochaines mises à jour.
Conseil : privilégier une lecture à l’échelle de zones cohérentes (groupes de mailles voisines) plutôt qu’une interprétation cellule par cellule.
Attention aux “faux positifs” contextuels
Les flux piétons et routiers peuvent présenter de “faux positifs” dans certains cas :
- Flux piétons dans des parcs ou espaces naturels : certaines mailles isolées peuvent représenter de véritables usages piétons (promenade, activité physique, etc.), et ne sont donc pas nécessairement des erreurs.
- Présence de “piétons statiques” dans des quartiers très denses : dans les grands ensembles ou quartiers très urbanisés, un grand nombre de personnes peuvent apparaître comme immobiles. Cela reflète parfois simplement une forte densité résidentielle, et non un flux.
- Circulation “routière” sur des lignes de métro : dans certains cas, les algorithmes peuvent mal classer des déplacements souterrains ou aériens (métro) comme des trajets routiers.
Croiser les données pour mieux comprendre les flux
Pour interpréter finement cette donnée, il est essentiel de la croiser avec d’autres sources permettant de qualifier les usages des lieux :
- Présence de commerces ou de grandes surfaces alimentaires (GSA)
- Localisation de rues commerçantes, zones d’activités et commerciales
- Réseau de transports en commun, gares, stations de métro
- Établissements scolaires, hôpitaux, bâtiments publics
- Équipements culturels ou sportifs, etc.
Ces croisements permettent de comprendre si un flux correspond à un usage résidentiel, commercial, professionnel ou touristique, et d’éviter des erreurs d’interprétation.
Les données sociodémographiques de l’INSEE disponibles dans vos zones et les couches cartographiques disponibles dans GEO Business vous permettront de comprendre et d’analyser le contexte dans lequel se trouve la donnée de Flux.
En résumé
La donnée de flux piéton et routier offre un éclairage précieux sur les dynamiques territoriales, mais elle nécessite une lecture critique et contextuelle. Elle ne doit jamais être analysée seule, mais toujours mise en perspective avec la connaissance terrain et d’autres jeux de données. Ce travail d’interprétation est essentiel pour en tirer tout le potentiel.