'
05/09/2021 V9.1
La fracture numérique bien qu’identifiée depuis de nombreuses années a connu une mise en lumière flagrante lors des différents confinements issus de la situation sanitaire de liée à l’épidemie de Covid19. Démarches administratives, prise de rendez-vous en ligne, interactions sociales ne se faisant plus que par le biais de visio conférence, télétravail forcé, accès à la culture via des plateformes numériques etc. Tous ces éléments ne pouvaient être réalisés sereinement que par ceux possédant un minium d’outillage sur la culture numérique. Ces périodes de tension et de sur-utilisation des outils numériques à mis sur le devant de la scène des aspects bien souvent sous-estimés de la fracture numérique. Cependant cette fracture, terme contesté auquel certains préfèrent de plus en plus l’appellation de spectre de la fracture numérique ou précarité numérique, car derrière les mots se cachent des réalités bien différentes.
Il est généralement admis que la fracture numérique se compose de trois piliers : l’accès au matériel, l’accès à internet et la compétence à utiliser ces outils numériques.
De part la différence de réalités de vies que peuvent recouvrer ces trois piliers, il devient difficile de cerner précisément les personnes et les zones géographiques pouvant éprouver des difficultés avec le numérique. Or pour pouvoir mener des actions contre ce phénomène, il est nécessaire de définir les contours de ces difficultés et de trouver des méthodes objectifs pour identifier les zones en tension sur cette problématique.
L’acteur public a bien saisi cet enjeu et a produit récemment un rapport sur le sujet ; Rapport n°711 du Sénat Français portant sur ce sujet pdf 09/20 Note de synthèse, infographie 01/21 Compte rendu analytique officiel. En parallèle de ce travail l’Agence Nouvelle des Solidarités Actives dans le cadre du projet Incub’O porté par le Sécrétariat Général pour les Affaires Régionales Occitanie en lien la MedNum ont proposé en 2019 une méthodologie afin d’identifier les zones de fragilité numérique par la création d’un indice de fragilité Présentation de la méthode. Un des objectif de la création de cet indice était d’identifier les zones géographiques pouvant regrouper des personnes potentiellement en fragilité numérique. Cet indice a le mérite d’essayer d’objectiver des données bien souvent difficilement quantifiables. Se basant sur l’enquête enquête annuelle auprès des ménages sur les technologies de l’information et de la communication réalisée par l’INSEE en 2019 elle propose une grille de lecture socio-économique de la fragilité numérique. Idéalement, avant d’appliquer un tel indicateur il est nécessaire de le décortiquer dans le détail pour analyser la pertinence de le décliner sur d’autres territoires.
S’inscrivant dans les démarches précédemment citées, cette première étude à plusieurs objectifs :
Présentation de la méthodologie utilisée pour mener à bien cette étude :
Comme évoqué dans les parties précédentes, il existe de nombreux termes connexes à la fracture numérique qu’il est intéressant d’analyser pour comprendre ce que l’on met derrière ces questions de vocabulaire.
Depuis 1997 et le discours du premier ministre Lionel Jospin, visant à lutter contre le non-accès aux outils numériques s’en suit la création de multiples lieux au label évoluant de 1998: Espace Culture Multimédia, 1999: Espace Public Numérique, 2000: Point Cyb, 2001: Cyberbases. Une superbe infographie - Chronologie de l’accès public à Internet - Perspective française et européenne
Au début des années 2000 est apparu le terme de fracture numérique caractérisant les différences d’accessibilité à une connexion à internet au sein des différents territoires, à l’image des zones blanches privée d’accès à la téléphonie mobile sont venues se superposées des zones sans accès internet ADSL.
Au fur et à mesure du déploiement massif des réseaux filaires et mobiles, le taux de connectivité en France avoisine aujourd’hui les 92%.
Ce taux de connexion regroupe cependant d’importantes disparités, l’usage pouvant être modifié en fonction du terminal de connexion, on ne rédige pas facilement un CV sur un smartphone, mais également par le débit fourni par fournisseur internet. Un débit réduit ralenti par exemple le chargement des pages internet qui ne sont pas des tailles optimisées et prohibe la vidéo en haute définition.
Connecté ne signifie pas forcément apte à maîtriser l’outil, la fracture se trouve désormais dans les usages, de la capacité à s’orienter dans le web où à s’approprier le fonctionnement de sites internet pour réaliser des démarches administratives, d’achats en ligne, de recherche d’emploi ou d’accès à information.
En 2013, le rapport Citoyens d’une société numérique du Conseil National du Numérique actualise la définition de l’inclusion numérique : «Quand plus de 80% d’une population est équipée et connectée ; quand tous les jours surgissent de nouvelles générations d’outils qui appellent autant d’apprentissages ; quand nos manières de travailler, d’étudier, de nous relier, de nous déplacer, de créer, de partager se transforment à l’aide et du fait du numérique (…) les enjeux d’inclusion numérique concernent désormais l’ensemble de la population ».
Afin d’interroger et mettre en réflexivité ces différentes terminologies, il nous semblé pertinent d’analyser ces dernières pour comprendre les divergences entre les méthodes. Toutes ont une approche intéressantes qui renvoie à différentes réalités vécues par les personnes ayant des difficultés avec les outils numériques. Cependant, de part le choix effectuée dans la méthode et dans les données collectées qui divergent des indicateurs et terminologies explicitées précédemment, il nous a semblé nécessaire de ne pas utiliser la même terminologie. Le terme qui nous semble le plus cohérent et que nous avons choisi d’utiliser le terme de précarité numérique.
La non-connectivité a souvent été perçu comme un facteur majeur d’inégalité et influençant grandement la précarité numérique. Aujourd’hui ce facteur ayant connu un grand développement son impact est peut-être à nuancer.
Le taux d’accessibilité à internet est aujourd’hui de 92,3% dans la population française (Mediamétrie 2021). Seulement 0,3% du territoire est en zone blanche ADSL soit environ 100000 foyers. Cela représente une faible proportion de non-connectés pour absence d’infrastructure, dont les plus grandes surfaces sont cantonnées aux régions montagneuses.
Ces dernières années, on constate une augmentation des défaillances du réseau adsl en milieu rural. Des situations de coupure qui peuvent rester sans réponse des semaines, parfois des mois, alors que l’opérateur, Orange, est censé intervenir sous quarante-huit heures. Cette situation découle de la convention établie en 2017 pour trois ans avec cet opérateur. Le pilotage au niveau national a laissé dans l’ombre des difficultés locales sur des territoires ruraux représentant peu de lignes. Trois ans après la mise en demeure d’Orange par l’Arcep, à hauteur de 1 milliard d’euros, pour non-respect de ses obligations. Générant de moins en moins de revenus et ayant vocation a être remplacées par de le fibre, la maintenance du réseau cuivré est délaissée. Les raisons sont pannes sont multiples, chutes de poteaux, tempêtes, coupures et arrachages de lignes. L’intervention de sous-traitants non qualifiés, télécom ou entretien paysager, vient également parfois détériorer des situations déjà délicates. La récente tribune de 215 élus (JDD 12/12/2020) a permis de mettre en lumière ce problème récurrent au moment de la signature d’une nouvelle convention arrivant à échéance le 31 décembre 2020.
Le récent plan d’action visant à maintenir la qualité du réseau cuivre (www.economie.gouv.fr 21/05/2021) est cependant une véritable avancée que ce soit pour les engagements en matière d’infrastructure (500 M€ en 2021) et dans les opérations de maintenance préventive (+ 24% vs 2018 par ligne cuivre en service). L’augmentation des effectifs dans les départements en tension, dont Pays de la Loire (liste non détaillée), mais également dans la une augmentation du nombre de 14% des techniciens affectés aux interventions d’urgence. Une autre avancée est le changement de pilotage passant d’une échelle nationale à celle d’un territoire permettant de faire émerger les situations locales. (Communiqué de presse Orange 21/05/2021)
Le Très Haut Débit (THD) regroupe les réseaux de connexion ftth (fibre optique), fttla (coaxial) et vdsl (cuivre dslam proche).
Les dernières études et données statistiques de l’Arcep du 1er trimestre 2021 confirment une accélération du déploiement du Très Haut Débit, +20% de locaux raccordés en 2020. Au 31 mars 2021, 25,6 millions de foyers ou de bâtiments professionnels sur 40,6 millions, soit 60 %, étaient éligibles à une connexion en fibre optique, soit une hausse de 31% en un an. Au total, à la fin du premier trimestre 2021, 30 millions de locaux étaient éligibles à des services à très haut débit, toutes technologies confondues, dont 23 millions en-dehors des zones très denses (ZTD).
La région Pays de la Loire possède une unique ZTD, correspondant à Métropole de Nantes. Le taux de locaux raccordables en fibre optique est de 74%, en dessous des 86% de la moyenne nationale en ZTD. L’installation y est gérée par les opérateurs privés, la préexistence d’un réseau coaxial vieillissant et à la maintenance défaillante est un frein au déploiement de la fibre dans certaines zones à forte densité. Carte produite à titre de indicatif
Les zones moyennement denses ou AMII (appel à manifestation d’intention d’investissement) regroupent les principales agglomérations. AU sein de la Région, le déploiement y est dynamique et dans la moyenne nationale avec 78% de locaux raccordables en FFTH. On observe cependant une forte disparité entre départements, certains très avancés, Mayenne (98%) et Sarthe (90%) alors que la Vendée est bien en dessous de la moyenne nationale (54%).
Pour le reste du territoire, les installations sont assurées par les collectivités territoriales via des Réseaux d’Investissement Publics (RIP), le pourcentage de locaux raccordables à la fibre est de 28%, un taux nettement plus bas que la moyenne nationale de 38%. Quelques disparités sont à noter : les projets de la Sarthe (43%) et de la Mayenne (43%) sont plus avancés que ceux de la Vendée (18%), du Maine-et-Loire (26%), et de la Loire-Atlantique (20%) pour lesquelles la dynamique devrait toutefois s’accélérer grandement dans les prochains mois.
En parallèle du déploiement de réseaux filaire, la connexion mobile tend à se généraliser au sein de la population faisant ainsi progresser le taux de connexion. Ces personnes sont connectés mais ne disposent pas forcément d’un ordinateur et d’une seconde connexion internet fixe et illimitée au domicile. De part le surcoût des multiplication des abonnements et des terminaux, un ordinateur dans chaque maison n’a plus le vent en poupe. Or, c’est à travers la manipulation d’un ordinateur que l’on construit ses compétences numériques. Pas facile de suivre un cours, prendre des notes et rédiger un CV sur un smartphone.
La non-connexion et la mal-connexion s’expliquent majoritairement par facteurs sociaux-démographiques Etude BVA Orange 2018 - Le numérique : inclusion ou exclusion ? face aux coûts d’équipement et d’abonnement.
L’étude centrale sur laquelle sera basée la récolte et le traitement de données repose sur l’Enquête annuelle auprès des ménages sur les technologies de l’information et de la communication (TIC-menages) de l’INSEE, publiée fin 2019. Cette enquête répond ainsi à une demande de l’Union européenne sur l’utilisation des TIC.
L’objectif de cette enquête est de collecter des informations décrivant l’équipement et les usages des ménages dans le domaine des technologies de l’information et de la communication (informatique, Internet fixe et mobile).
Un volet spécifique intitulé Capacités et compétences numériques synthèse des résultats souligne particulièrement les facteurs de précarité numérique et qualitiant la capacité à faire des publics.
L’indicateur des capacités numériques, dont la définition a été proposée par Eurostat, est établi sur une sélection d’activités liées à l’utilisation d’Internet ou de logiciels dans quatre domaines spécifiques (recherche d’informations, communication en ligne, résolution de problèmes informatiques, utilisation de logiciels) Elle distingue les publics en quatre valeurs qualitatives ordinales: capacités nulles , compétences faibles (au moins une note nulle), de base (aucune note nulle) et plus que basiques (toutes les notes à 2).
L’Illectronisme désigne l’incapacité (c’est-à-dire l’impossibilité matérielle ou le manque de compétences) d’utiliser des ressources et moyens de communication électronique.
Ces mesures y sont corrélées avec le Niveau de vie, revenu disponible du ménage divisé par le nombre d’unités de consommation (UC). Le niveau de vie est donc le même pour tous les individus d’un même ménage. Les unités de consommation sont généralement calculées selon l’échelle d’équivalence dite de « l’OCDE modifiée » qui attribue 1 UC au premier adulte du ménage, 0,5 UC aux autres personnes de 14 ans ou plus et 0,3 UC aux enfants de moins de 14 ans.
Cet indice de compétence numérique y est également discuté en regard des unités urbaines reposant sur la continuité du bâti et le nombre d’habitants (définition). Le type d’aire urbaine pouvant avoir un impact sur la capacité de couverture du territoire en infrastructure liée à la couverture internet.
Les déterminants de l’illectronisme sont très proches de ceux du non-accès à Internet à domicile ou du non-usage d’Internet. L’illectronisme dépend ainsi de l’âge (35 % des 60-74 ans et 71 % des 75 ans ou plus sont concernés, contre moins de 5 % des moins de 45 ans), mais aussi de nombreux marqueurs de position sociale. Les écarts sont importants selon le niveau de diplôme (49 % parmi les non-diplômés ou les détenteurs d’un certificat d’études primaires (CEP), contre 3 % parmi les diplômés du supérieur) et la catégorie socioprofessionnelle : parmi les personnes en emploi, qui ont globalement plus de capacités numériques que la moyenne, 10 % des ouvriers sont concernés, contre moins de 1 % des cadres, professions intellectuelles supérieures et professions libérales. Des écarts selon le niveau de vie existent également, mais ils sont nettement moins marqués que les écarts selon le diplôme. Des variations sont aussi présentes suivant le type de ménage : les personnes seules (38 %) et les couples sans enfants de moins de 18 ans (25 %) sont plus concernés que la moyenne. Enfin, l’absence de capacités est plus fréquente dans les communes rurales (21 %) et dans les unités urbaines de petite taille (20 %) ou de taille moyenne (23 %), qu’en agglomération parisienne (14 %). Cependant, les écarts selon la taille de l’unité urbaine ne sont pas significatifs lorsque les caractéristiques des populations (notamment âge, diplôme et revenus) sont prises en compte toutes choses égales par ailleurs.
Figure 1 – Niveau de capacités numériques selon l’âge
Figure 2 – Niveau de capacités numériques selon le diplôme
Les caractéristiques associées aux capacités dans les quatre domaines définis par l’indicateur sont globalement similaires, avec quelques exceptions. L’ampleur des écarts selon l’âge reste du même ordre pour les quatre domaines, mais les écarts selon le diplôme, la profession ou le niveau de vie sont plus marqués pour les capacités en logiciels : 81 % des personnes sans diplôme ou titulaires d’un CEP déclarent n’avoir aucune capacité dans ce domaine, contre 15 % des diplômés du supérieur. Les écarts selon les diplômes sont également marqués pour la résolution de problèmes informatiques : 83 % des diplômés du supérieur et 72 % des diplômés de niveau bac disent posséder des capacités dans ce domaine, contre 50 % des titulaires d’un CAP, BEP ou BEPC et 20 % des sans-diplômes ou titulaires d’un CEP. Ces écarts selon le diplôme sont d’autant plus importants que l’âge est élevé. Des disparités similaires s’observent selon la catégorie socioprofessionnelle (figure 3). Par exemple, les compétences plus que basiques en logiciel sont rapportées par 83 % des cadres, contre seulement 19 % des ouvriers.
Figure 3 - Écart à la moyenne dans la proportion d’individus ayant des compétences plus que basiques dans les quatre domaines du numérique, selon la profession
Alors que nous avions déjà commencé ce travail de recherche sur le calcul d’un indice de précarité numérique, la veille bibliographique a vu apparaître un indicateur similaire développé par le thinktank INR, Institut numérique responsable. Il s’appuie sur des données basées sur une échelle infra-communale (IRIS) de l’INSEE de 2015 et 2016. Cet indice plus large apporte un poids important aux infrastructures de connexion, or il a été fréquemment remarqué que connectable ne veut pas forcément dire connecté. Il est également très approximatif de prendre en compte un nombre d’antennes de téléphonie pour estimer la couverture de la population tant les densités peuvent être différentes.
Bien que le protocole de calcul ne soit pas publié, il ressort des différentes documentations rencontrées quelques points d’améliorations que nous souhaitons intégrer dans notre indice. En premier lieu, minimiser l’importance des infrastructures de connexion et la gestion des données manquantes. Elles sont nombreuses à cette échelle géographique et peuvent biaiser fortement les résultats obtenus. Leur traitement n’est jamais évoquée dans le calcul des différents indicateurs de l’INR. D’autre part, nous pouvons également noter l’utilisation d’une seule classe pour les seniors, comprenant l’ensemble des personnes de 65 ans et plus. L’étude TIC révèle une réelle différence d’usages entre les jeunes retraités de la tranche 60-74 ans et celle des plus de 75ans, il mériterait de scinder cette population en deux classes distinctes.
Cet outil reste peut cependant trouver son intérêt pour l’analyse de zone métropolitaines à forte densité de population, encore faut-il travailler la visualisation de données pour cette échelle si l’on souhaite produire une cartographie interprétable (exemple Orléans)
Afin d’avoir un maximum d’indicateurs sociogéographiques, une vaste récolte de données de moins de 2 ans a été opérée sur les différents portails de données ouvertes.
Une fouille de donnée relative au découpage IRIS plus homogène en terme de population a été entreprise mais ces données sont relativement anciennes (2015/2016) et nombre d’entre elles ne sont pas disponibles suivant ce découpage géographique. Elles auraient cependant permis d’avoir une granulométrie plus fine au niveau des zones métropolitaines. Nous avons tenté de redécouper les communes à forte densité de population en sous-ensemble correspondant au découpage IRIS mais cette intervention introduisait un biais potentiel par la présence de jeux de données d’années différentes. D’autre part, l’observation mettant en lumière les QPV était relativement peu informative.
C’est ainsi quasi historiquement que la commune est l’échelle géographique de référence. Elles sont identifiées par l’intermédiaire de leurs identifiants GEOCODE
.
Toutes les données sont consignées dans le répertoire [../data
] suivant l’arborescence suivante:
Arcep
: 1 fichier | données réseau THDCAF
: 8 fichiers | Différents types d’allocatairesContourgeocode
: 1 fichier: contour des communes de FranceInsee
: 28 fichiers | Données stats populationCartoHub
1 fichier | Export tsv des lieux de mednum en PDL du Hub connumFranceServices
1 fichier | Export tsv des lieux de mednum en PDL du Hub connum2020t4-obs-hd-thd-deploiement.xlsx
Déploiement du THD
Indicateur sur la part des prestations dans les ressources des foyers allocataires - par Commune
PPACOM2017.csv
https://www.data.gouv.fr/fr/datasets/foyers-allocataires-percevant-la-prime-dactivite-ppa-par-commune/ Foyers allocataires percevant la prime d’activité (PPA)
BASREVENUCOM2017.csv
https://www.data.gouv.fr/fr/datasets/beneficiaire-bas-revenus/ Foyers allocataires à “bas revenus” - par commune
ENFANTAGECOM2017.csv
https://www.data.gouv.fr/fr/datasets/repartition-des-enfants-couverts-par-au-moins-une-prestations-caf-par-tranche-dage-par-commune/ Répartition des enfants couverts par au moins une prestations Caf - par tranche d’âge, par commune
NIVCOMTOTAL2017.csv
https://www.data.gouv.fr/fr/datasets/population-couverte-par-au-moins-une-prestation-par-commune/ Population couverte par au moins une prestation - par Commune
EJCOM2017.csv
https://www.data.gouv.fr/fr/datasets/foyers-allocataires-percevant-une-prestation-enfance-et-jeunesse-af-cf-asf-aeeh-et-ars-par-commune/ Foyers allocataires percevant une prestation enfance et jeunesse (AF, CF, ASF, AEEH et ARS) - par commune
RSACOM2017.csv
http://data.caf.fr/dataset/b2b4d0bf-faf4-453f-bdb8-66e203b114c8/resource/db644d9e-3c15-4c06-9b3f-1e4910c5e81a/download/RSACOM2017.csv Population couverte par le revenu de solidarité active (RSA) en décembre - par commune Populaire
NIVCOMAAH2017.csv
Bénéficiaires de l’allocation aux adultes handicapés au cours du mois de décembre - par Commune
NIVCOMPARTPRESTA2017.csv
http://data.caf.fr/dataset/indicateur-sur-la-part-des-prestations-dans-les-ressources-des-foyers-allocataires-par-commune Indicateur sur la part des prestations dans les ressources des foyers allocataires - par Commune
Le portail INSEE est complexe à appréhender et les différentes catégories de données sont toutes consignées dans un seul et même tableau, consultable à cette url https://www.insee.fr/fr/information/4467366, dans la colonne Bases tableaux détaillés
. Afin de pouvoir traiter intelligement ces éléments, la première étape du traitement consiste à extraire les jeux de données d’intérêt pour cette étude.
BTX_TD_POP1A_2017.xlsx
Population par sexe et âge regroupé
BTX_TD_POP1B_2017.xlsx
Population par sexe et âge
BTX_TD_POP2_2017.xlsx
Population par sexe, âge et catégorie de population
BTX_TD_POP3_2017.xlsx
Population de 15 ans ou plus par sexe, âge et statut conjugal
BTX_TD_POP4_2017.xlsx
Population de 15 ans ou plus par sexe, âge et vie en couple
BTX_TD_POP5_2017.xlsx
Population de 15 ans ou plus par sexe, âge et type d’activité
BTX_TD_POP6_2017.xlsx
Population de 15 ans ou plus par sexe, âge et catégorie socioprofessionnelle
BTX_TD_MEN1_2017.xlsx
Ménages par taille du ménage et catégorie socioprofessionnelle de la personne de référence
BTX_TD_MEN2_2017.xlsx
Population des ménages par taille du ménage et catégorie socioprofessionnelle de la personne de référence
BTX_TD_MEN3_2017.xlsx
Ménages par sexe, âge et type d’activité de la personne de référence âgée de 15 ans ou plus
BTX_TD_MEN4_2017.xlsx
Ménages par taille du ménage, sexe et âge de la personne de référence
BTX_TD_MEN5_2017.xlsx
Ménages par type de ménage et âge de la personne de référence
BTX_TD_MEN6_2017.xlsx
Population des ménages par type de ménage et âge de la personne de référence
BTX_TD_MEN7_2017.xlsx
Population des ménages par sexe, âge et mode de cohabitation
BTX_TD_FOR1_2017.xlsx
Population de 2 ans ou plus par scolarisation, sexe, âge et lieu d’études
BTX_TD_FOR2_2017.xlsx
Population non scolarisée de 15 ans ou plus par sexe, âge et diplôme le plus élevé
BTX_TD_ACT1_2017.xlsx
Population active de 15 ans ou plus par sexe, âge et type d’activité
BTX_TD_ACT2A_2017.xlsx
Population active de 15 ans ou plus ayant un emploi par sexe, âge, statut et temps de travail
BTX_TD_ACT2B_2017.xlsx
Population active de 15 ans ou plus ayant un emploi par sexe, âge, condition d’emploi et temps de travail
BTX_TD_ACT3_2017.xlsx
Population active de 15 ans ou plus ayant un emploi par sexe, statut et secteur d’activité économique
BTX_TD_ACT4_2017.xlsx
Population active de 15 ans ou plus ayant un emploi par sexe, catégorie socioprofessionnelle et secteur d’activité économique
BTX_TD_ACT5_2017.xlsx
Population active de 15 ans ou plus ayant un emploi par sexe, âge et catégorie socioprofessionnelle
BTX_TD_EMP1_2017.xlsx
EMP1 – Emplois au lieu de travail par sexe, âge, statut et temps de travail
BTX_TD_EMP2_2017.xlsx
Emplois au lieu de travail par sexe, statut et secteur d’activité économique
BTX_TD_EMP3_2017.xlsx
Emplois au lieu de travail par sexe, catégorie socioprofessionnelle et secteur d’activité économique
BTX_TD_EMP4_2017.xlsx
Emplois au lieu de travail par sexe, condition d’emploi et temps de travail
BTX_TD_NAT2_2017.xlsx
Population de 15 ans ou plus par sexe, type d’activité et nationalité
BTX_TD_NAT3A_2017.xlsx
Population par sexe, catégorie socioprofessionnelle et nationalité
Pour agréger l’ensemble des données issues des différentes sources évoquées précédemment dans une base de données unifiée, il a fallut passer par différentes étapes. Afin d’avoir tous ces éléments en tête pour interpréter ces résultats nous nous proposons de présenter la méthode utilisée.
Dans un premier temps, l’ensemble des données collectées ont d’abord été restreintes aux cinq départements des Pays de la Loire, puis elles sont été agrégées sur la base du CODGEO
, l’identifiant unique des communes.
A l’issue de cette agrégation on obtient une matrice de 1238 lignes, correspondant à chacune des communes des Pays de la Loire, et 3732 colonnes correspondant aux différentes variables collectées dans les données disponibles sous licence libre.
Cependant, parmi ces 4 620 216 éléments collectés certaines étaient redondantes ou non-informatives car n’étant pas relatives à l’échelle communale, échelle retenue pour cette étude comme explicité au point 5.1. Ces éléments ont donc été supprimés. Afin de ne pas biaiser les analyses, une attention particulière a été portée sur les données manquantes. L’introduction de données manquantes dans le calcul d’un score pouvant avoir des conséquences importantes. Afin de s’en prémunir nous avons seulement conservé les variables présentant moins de 10% de données manquantes ont été conservées. Pour dire autrement, là où il n’y avait pas suffisamment de données, afin de ne pas biaiser l’analyse nous avons choisi de ne pas les utiliser.
Ce filtre nous prive de la plupart des variables relatives au niveau de vie et de pauvreté et seule la médiane du niveau de vie reste accessible. Ces données auraient été intéressantes dans la calcul d’un score de précarité numérique mais elles sont pas disponibles à la l’échelle communale pour des raisons de confidentialité et de non stigmatisation. Obtenir ces données à l’échelle communale permettrait d’améliorer l’acuité du modèle. Ces données manquantes concernent les communes avec une faible population et peuvent présenter une absence de données allant jusqu’à 82%.
Sur l’ensemble des jeux de données colléctés au final il n’a pu être utilisé que huit variables. Ces dernières reprennent notamment celle de l’étude TIC de l’INSEE. Ainsi nous nous attacherons à calculer pour chaque unité géographique le pourcentage des variables suivantes:
Catégorie | Variable |
---|---|
Age | 15-29 ans |
Age | 60-74 ans |
Age | 75 ans et + |
Diplome | Absence de diplôme ou CEP |
Diplome | CAP, BEP ou BEPC |
Foyer | Foyer à 1 personne & monoparental |
Foyer | Revenu médian |
Emploi | Ouvriers |
Emploi | Employés |
Emploi | Indépendants |
Les données manquantes de revenu médian ont été remplacées par la moyenne de la médiane départementale et des communes limitrophes. Les proportions de chacune des catégories de population précédemment mentionnées ont été calculées puis normalisées à la moyenne et reportées sur une échelle de 0 à 100 afin de calculer un score pour cet indicateur.
Le script de calcul de score et d’analyses statistiques ./2_calcul_indicateurs.html
score 60-74ans | score 75ans+ | score 15-29ans | score sans diplôme | score faible diplôme | score revenus | score famille monoparentale / foyer une personne | score indépendant | score employés | score ouvriers | |
---|---|---|---|---|---|---|---|---|---|---|
moyenne | 33.1 | 28.5 | 25.5 | 37.5 | 37.8 | 63.2 | 50.2 | 21.3 | 31.4 | 37.1 |
écart type | 10.6 | 13.3 | 10.7 | 12.1 | 8.4 | 13.9 | 12.3 | 12.7 | 8.9 | 12.9 |
25% | 26.9 | 20.2 | 19.2 | 28.8 | 32.6 | 55.9 | 41.7 | 14 | 26.4 | 28.5 |
50% (mediane) | 32 | 26.7 | 25.5 | 36.2 | 37.8 | 65.2 | 49.3 | 19.8 | 31.5 | 36.9 |
75% | 38 | 35.8 | 30.8 | 44.5 | 42.5 | 72.1 | 57.6 | 26.8 | 36.3 | 44.5 |
On remarque que les distributions des scores de chacun des indicateurs ne sont pas centrées sur une valeur commune. Deux indicateurs, revenu médian et foyer à une personne ou famille monoparentale, présentent des valeurs moyennes supérieures à 50. Ils pourraient ainsi avoir tendance à tirer un score global vers le haut. De plus, le revenu médian n’étant pas obligatoirement corrélé aux revenus disponibles il s’impose d’appliquer des pondérations.
Afin de faciliter la lecture cartographique sur La répartition de chacune des variables et la corrélation entre certaines d’une même catégories, il a été choisit d’appliqué un score aux données retenues. Ce choix de pondération afin d’obtenir un score lisible a été pensé avec la méthode décrite ci-dessous.
Ces coefficients tendent également à renforcer les catégories de personnes avec le niveau de compétence le plus bas tels qu’ils ont été définis dans l’étude Capacités et compétences numériques INSEE2019
Catégorie | Variable | Coefficient |
---|---|---|
Age | 15-29 ans | 2 |
Age | 60-74 ans | 2 |
Age | 75 ans et + | 3 |
Diplôme | Absence de diplôme ou CEP | 3 |
Diplôme | CAP, BEP ou BEPC | 2 |
Foyer | Familles monoparentales | 1 |
Foyer | Foyer à 1 personne ou monoparental | 1 |
Foyer | Revenu médian | 1 |
Emploi | Ouvriers | 3 |
Emploi | Employés | 1 |
Emploi | Indépendant | 1 |
Le choix du coefficient multiplicateur a été un choix subjectif de notre part. En effet ces coefficients pourraient être différents en fonction de là on place la variable jugée comme la plus importante. Nous nous proposons donc de justifier les choix établies dans le cadre de cette étude.
La variable 15-29 se justifie par la démystification des “digital native”. Cette appellation ne tient pas compte de l’ensemble des pratiques liées au numérique. Certes cette tranche d’âge est à même de manipuler les smartphones et les réseaux sociaux quotidiennement cependant l’acquisition de codes et savoir sur l’usage des mails, des pièces jointes, des tableaux, des traitements de texte ou bien même du maniement de la souris n’est pas forcément acquise par cette tranche d’âge. De même, le développement d’un regard critique sur les contenus sur internet n’est pas naturel, il s’agit bien d’un apprentissage.
Variables diplôme Le postulat qui a été émis pour les deux catégories liées au diplôme tient davantage dans une posture relative à l’apprentissage qu’à un manque de savoir-faire objectif. Il est en effet essentiel dans la culture numérique de pouvoir s’autoformer, d’évoluer dans ses pratiques en remettant en questions ses habitudes et en explorant de nouveaux outils et de nouveaux codes. Un cycle court de formation peut se traduire de différentes manières : soit des difficultés avec le circuit d’apprentissage académique classique, soit une volonté d’émancipation accélérée par l’acquisition d’un capital économique plus rapidement atteignable ou bien par une passion pour certains métiers ne nécessitant pas de diplôme supérieur. Dans le cas des difficultés avec l’apprentissage académique, il est envisageable de projeter un parallèle entre l’illégitimité ressentie à intégrer cursus académique et le sentiment illégitimite à s’autoformer sur des savoirs professionnels liés au numérique. Il intéressant de nuancer ce propos sur certaines pratiques non professionnelles telles que l’utilisation de réseaux sociaux dans les cercles amicaux ou familiaux, l’utilisation de site d’achats ou de vente en ligne.
Variables foyer Ces variables tiennent principalement compte de modalités liées au capital économique dans l’acquisition de matériel informatique. Hors si cela reste un problème majeur, ce dernier est de plus résorber par des espaces mettant à disposition des ordinateurs en libre accès, de l’entraide familiale ou amicale ou l’augmentation des possibilités offertes par un smart phone qui est aujourd’hui généralement présent de une majorité de foyer. Ces éléments justifient pourquoi la pondération est si faible aux regards des autres variables. Un élément qui pourrait justifier un rehaussement du coefficient serait le temps disponible pour les familles monoparentales ou les foyers à une personne de s’acculturer aux pratiques numériques non maîtrisées mais hélas à notre connaissance il n’y a pas d’étude montrant cette corrélation.
Variables emploi Selon notre prisme de lecture, l’emploi joue un rôle conséquent au niveau du capital économique nécessaire à l’acquisition de matériel informatique mais surtout dans la montée en compétence sur les pratiques numériques. De nombreux corps de métiers utilisent aujourd’hui l’ordinateur quotidiennement. Cette utilisation permanente nécessite une acculturation et donc l’acquisition de compétences bien que celles-ci ne soient pas formalisées dans le cadre d’une formation officielle. Cela explique le poids accordé à la catégorie ouvrier dont l’activité repose généralement moins sur l’utilisation quotidienne d’ordinateurs ou smartphone dans le cadre de leurs métiers. Cette tendance tend à se rééquilibrer avec les emplois de services mais il reste encore un décalage conséquent justifiant de ce coefficient.
La liste complète des scores de chaque commune est disponible dans le fichier ./tables/score_ascend.html
Figure 4: Distribution des scores de précarité numérique
Score moyen par Département
Communes | score | superficie km² | Communes/100km² | |
---|---|---|---|---|
44 | 207 | 45.8 | 6809 | 3 |
49 | 177 | 52.4 | 7172 | 2.5 |
53 | 242 | 60.1 | 5175 | 4.7 |
72 | 354 | 58.5 | 6206 | 5.7 |
85 | 258 | 60.5 | 6720 | 3.8 |
Les départements de Loire-Atlantique et de Maine-et-Loire présentent des scores de précarité numérique plus faibles que les trois autres départements de la Région Pays de la Loire. Ce sont également les départements qui présentent le moins de communes.
Les trois départements présentant le score de précarité le plus élevé ont également plus de communes, en valeur absolue mais également en valeur relative à la superficie des départements. Une plus grande fragmentation communale peut avoir tendance à isoler certains publics et ainsi à augmenter le score de ces petites communes.
Cette différence entre départements peut s’expliquer en analysant chacun des paramètres de construction de ce score de précarité numérique.
score | score 60-74ans | score 75ans+ | score 15-29ans | score sans diplôme | score faible diplôme | score revenus | score famille monoparentale / foyer une personne | score indépendant | score employés | score ouvriers | |
---|---|---|---|---|---|---|---|---|---|---|---|
44 | 45.8 | 31.2 | 25.1 | 26.1 | 29.1 | 36.6 | 55.4 | 50.3 | 21.1 | 33.6 | 32.8 |
49 | 52.4 | 33.3 | 28.6 | 24.9 | 38.1 | 32.4 | 62.1 | 48 | 20.7 | 31.4 | 35.1 |
53 | 60.1 | 31 | 31.1 | 25.6 | 42.2 | 35.6 | 69.8 | 50.7 | 19.3 | 28.7 | 39.1 |
72 | 58.5 | 33.7 | 27.4 | 25.3 | 39.1 | 40.9 | 62.4 | 49.7 | 22.1 | 31.6 | 38.3 |
85 | 60.5 | 35.6 | 30.6 | 25.4 | 37.1 | 40 | 65.3 | 51.9 | 22.5 | 31.7 | 38.2 |
Le score plus bas de la Loire-Atlantique et du Maine-et-Loire s’expliquent en partie par une population moins vieillissante et plus diplômée. La présence de deux métropoles inscrites dans une dynamique économique positive produit un rayonnement sur la couronne des communes limitrophes. Ces communes présentent généralement un score plus faible que la métropole située à proximité. Cette observation reflète l’importante proportion de foyer d’actifs vivant en zone péri-urbaine.
Environnement Démographique | score | score 60-74ans | score 75ans+ | score 15-29ans | score sans diplôme | score faible diplôme | score revenus | score famille monoparentale / foyer une personne | score indépendant | score employés | score ouvriers |
---|---|---|---|---|---|---|---|---|---|---|---|
Bassin Industriel | 60.9 | 33.2 | 28.2 | 25.6 | 40.4 | 38.8 | 66.4 | 51.3 | 20.2 | 29.7 | 41.3 |
Bassin Résidentiel | 57.1 | 35.7 | 30.9 | 23.4 | 36.4 | 40 | 63.6 | 52.4 | 23.5 | 32.4 | 33.1 |
Bassin Urbain | 43.6 | 33.7 | 25 | 25.6 | 31.1 | 33.8 | 51.9 | 47.2 | 20.6 | 33.9 | 30.4 |
Bassin diversifié | 58.2 | 28.9 | 26.7 | 28.3 | 37.4 | 38.8 | 66.7 | 47.7 | 21.2 | 31.2 | 43.5 |
Bassins Agroalimentaire | 61.9 | 31.2 | 32.9 | 25.8 | 43.1 | 36 | 69.8 | 50.8 | 20.8 | 29.4 | 38.4 |
score | score 60-74ans | score 75ans+ | score 15-29ans | score sans diplôme | score faible diplôme | score revenus | score famille monoparentale / foyer une personne | score indépendant | score employés | score ouvriers | |
---|---|---|---|---|---|---|---|---|---|---|---|
(‘Bassin Industriel’, 44) | 48.7 | 29.2 | 24.1 | 26.8 | 32.2 | 37.1 | 60 | 47 | 21.1 | 34 | 37.1 |
(‘Bassin Industriel’, 49) | 58.7 | 33.4 | 28.2 | 25 | 42.2 | 33 | 68.2 | 49.2 | 18.7 | 30.2 | 40.9 |
(‘Bassin Industriel’, 53) | 63.8 | 33.3 | 32.4 | 24.2 | 44.7 | 36.9 | 71.8 | 53.3 | 18.2 | 26.6 | 39.5 |
(‘Bassin Industriel’, 72) | 67 | 36.5 | 28.1 | 24.5 | 43.7 | 43 | 66.5 | 53.9 | 22.3 | 29.3 | 42.1 |
(‘Bassin Industriel’, 85) | 60.2 | 31.1 | 27.2 | 28.6 | 37 | 38.5 | 65.2 | 49.8 | 19.1 | 29.7 | 46.3 |
(‘Bassin Résidentiel’, 44) | 48.6 | 33 | 25.8 | 25.2 | 28.7 | 39.5 | 59 | 51.3 | 21.8 | 34.2 | 32.9 |
(‘Bassin Résidentiel’, 49) | 52.1 | 31.8 | 26.7 | 26 | 36.1 | 32.6 | 63.3 | 49.3 | 24 | 29.9 | 36.6 |
(‘Bassin Résidentiel’, 53) | 76.6 | 34.8 | 46.5 | 18.2 | 49.2 | 37.2 | 75.8 | 67 | 18.7 | 29.9 | 36.2 |
(‘Bassin Résidentiel’, 72) | 56.3 | 32.2 | 29 | 24.6 | 38.1 | 40.4 | 63.7 | 49.3 | 22.3 | 32.8 | 35.1 |
(‘Bassin Résidentiel’, 85) | 63.3 | 41.4 | 35.8 | 20.9 | 39.3 | 41.1 | 66.1 | 55.5 | 25.9 | 31.4 | 30.7 |
(‘Bassin Urbain’, 44) | 36.1 | 32.6 | 25.8 | 26.1 | 24.2 | 30.9 | 41 | 53.6 | 21 | 32 | 24.4 |
(‘Bassin Urbain’, 49) | 47.9 | 35.5 | 27.6 | 24.4 | 34.9 | 31.9 | 55.9 | 48 | 22.7 | 32.4 | 30.8 |
(‘Bassin Urbain’, 53) | 44.7 | 28.8 | 21.8 | 27.1 | 32.3 | 33.8 | 58.1 | 43.6 | 16.4 | 36 | 37.7 |
(‘Bassin Urbain’, 72) | 41.7 | 36.1 | 23.9 | 24.3 | 32.4 | 36.9 | 48.9 | 43 | 19.7 | 34.6 | 27.7 |
(‘Bassin Urbain’, 85) | 47.9 | 33 | 23.9 | 27.8 | 29.1 | 37.4 | 57.7 | 48.1 | 22.2 | 36.5 | 34.3 |
(‘Bassin diversifié’, 44) | 49.5 | 25 | 22.1 | 28 | 31.1 | 40 | 64.1 | 49.3 | 17.5 | 35.4 | 39.5 |
(‘Bassin diversifié’, 49) | 56 | 30.2 | 30.2 | 25.9 | 41 | 31.9 | 66.7 | 47.5 | 18.4 | 32.3 | 38.5 |
(‘Bassin diversifié’, 53) | 56.6 | 26.8 | 25.5 | 30.6 | 36.2 | 37.6 | 69.1 | 46.5 | 21.3 | 29.5 | 44.3 |
(‘Bassin diversifié’, 72) | 59.8 | 29.2 | 26.1 | 28.3 | 37.3 | 42 | 63.5 | 46.9 | 22.8 | 30 | 46.5 |
(‘Bassin diversifié’, 85) | 63.5 | 32.3 | 28.2 | 27.1 | 38.6 | 41.6 | 69.8 | 50.7 | 22.5 | 33.6 | 43.3 |
(‘Bassins Agroalimentaire’, 44) | 56.6 | 30.7 | 28.9 | 23.6 | 40.2 | 35.4 | 62.2 | 51.1 | 18.7 | 29.9 | 40.4 |
(‘Bassins Agroalimentaire’, 49) | 53.2 | 31.4 | 30.6 | 24.4 | 39.4 | 33.5 | 64.9 | 46.8 | 19 | 30.2 | 34.8 |
(‘Bassins Agroalimentaire’, 53) | 66.2 | 31.8 | 38.1 | 23.6 | 49.2 | 33.1 | 74.9 | 53.3 | 21.5 | 25.9 | 35.8 |
(‘Bassins Agroalimentaire’, 72) | 64 | 30.5 | 28.5 | 28.8 | 40.7 | 40.9 | 68.8 | 52.4 | 24.1 | 34.7 | 40.8 |
(‘Bassins Agroalimentaire’, 85) | 61.3 | 30.3 | 28.2 | 30.4 | 36.1 | 41 | 65.9 | 48.3 | 18.3 | 31.4 | 46.2 |
Afin de confronter ces scores de précarité numérique aux moyens sur le territoire, la présence d’un espace France Services ou d’un lieu de médiation numérique sur la commune a été consigné.
Pour rappel, les espace France Services sont des guichets uniques de proximité regroupant sur leurs sites plusieurs administrations. Des agents France services peuvent accueillir et accompagner pour des démarches administratives du quotidien en ligne ; santé, famille, retraite, droit, logement, impôt, recherche d’emploi, accompagnement au numérique. L’objectif de ces lieux est de proposer une offre élargie de service au public, au plus près des territoires, en particulier dans les zones rurales et les quartiers prioritaires de la politique de la ville. Le terme lieux de médiation numérique renvoie à un ensemble d’acteurs de natures diverses et variées ; cela peut-être des bibliothèques médiathèques faisant des ateliers de prise en main de l’ordinateur, un centre social faisant un accompagnement pour se créer une boîte mail, une association faisant de la formation sur des machines à commande numérique de type imprimante 3D, une collectivité ayant mis en place une permanence pour un accompagnement aux démarches administratives etc. Le dénominateur commun à tous ces acteurs et actions est de venir en appuie aux personnes ayant des difficultés avec le numérique et d’émanciper l’individu dans son utilisation des outils numériques. Il ne s’agit pas de faire à la place de la personne qui ne maîtrise pas ces codes mais bien de rendre autonome la personne sur ces pratiques et ainsi mieux appréhender la culture numérique. De part la nature protéiforme des acteurs agissant dans ce domaine il n’est pas simple de recenser et qualifié ces lieux. Un travail a été entamé par le hub CONUMM en 2020 pour proposé une carte recensant ces lieux en impliquant les acteurs eux-mêmes pour faire remonter les informations.
Trois autres score ont ainsi été calculés en incluant un bonus pour les communes disposant d’une structure pouvant fournir de l’accompagnement:
Les cartographies ont été réalisées avec l’API leaflet via la librairie python Folium suivant le notebook 3_carto_int.html. Alors que l’objectif initial était de produire une carte, ayant la possibilité d’en éditer plusieurs nous avons fait le choix de mettre à disposition des 18 cartes produites répondant à des questions et scénarios différents.
Pour rappel, l’objectif de cette étude était de faire un état des lieux des méthodes, ressources bibliographique, jeux données existants et accessible afin d’analyser la précarité numérique sur les Pays de la Loire. Ces différents éléments ont pu être retranscrit dans les parties précédentes. Cependant, dans une démarche d’amélioration continue, des pistes de perfectionnement peuvent aussi être envisagées afin d’améliorer cette première étude. Elles peuvent être regroupées en fonction de leur champs d’implication:
Il semble primordial de se pencher sur les facteurs d’exclusion numérique, l’étude TIC de l’INSEE est certes intéressante mais elle mériterait grandement d’être affinée afin de mieux définir les contours multiples poussant à la précarité numérique que ce soit au niveau des catégories socioprofessionnelles, de l’hétérogénéité des classes d’âge ou bien la prise en comptes de publics masqués dans cette étude tel que les handicapés, détenus ou sans-abris. Cette étude TIC a le mérite de poser les premiers éléments d’analyse sociologique de l’exclusion numérique mais repose sur un aspect « essentialiste » de l’exclusion ; parce qu’une personne est âgée non diplômé elle sera plus à risque d’être en situation d’exclusion numérique. Or cela ne tient pas compte de certains savoirs faire non valorisés : utilisation des réseaux sociaux, utilisation des sites de ventes et d’achat d’occasion, utilisation ds logiciels d’échanges vocaux ou visuels, téléchargement d’application sur son smartphone etc. Ces pratiques ne sont généralement pas valorisées lors d’une pratique professionnelle et donc sous-estimé dans l’acquisition de compétences numérique. Ces composantes ne sont que peu documenté mais l’on peut souligner les travaux de Dominique Pasquier qui aborde ces sujets dans son ouvrage intitulé L’Internet des familles modestes Enquête dans la France rurale (Paris, Presses des Mines, coll. « Sciences sociales », 2018).
Au delà de données plus détaillées et complètes à l’échelle IRIS, différents ensembles de données complémentaires pourraient permettre d’améliorer la caractérisation des territoires. La première serait de pouvoir accéder aux données INSEE pour toutes les communes. Dans une démarche de non stigmatisation, de nombreuses données ne sont pas disponibles pour les communes de petites tailles (voir paragraphe 5.2). Elles permettraient de définir de nouveaux facteurs afin d’augmenter la précision du score calculés et d’y inclure certaines catégories de personnes non prise en compte. D’autres part, on peut envisager trouver de nouvelles sources de données pour lesquels nous n’avons pas repéré de données ouvertes:
Certains éléments de la méthodologie de scoring peuvent être améliorés ou repensés. Le bonus lié à la présence d’un lieu de médiation pourrait tenir compte du type de lieu et affecter un bonus uniquement pour certaines catégories ciblées. La méthode proposée dans cette étude à la mérite d’être simple mais pourrait être abordée différemment ; ce score pourrait être rapporter au nombre d’habitants de la commune ou de la distance par rapport à ce lieux ou à son amplitude horaire d’ouverture au public. Ces éléments sont à interroger au regard de la disponibilité des données mais aussi de leur pertinence ; ce n’est pas parce qu’il y a un lieu existant sur le territoire que ce dernier est bien identifié par tous et qu’il puisse accueillir tout type de public. De même, le rayonnement d’un lieu est difficilement uniformisable ; certaines structures agissent sur de nombreuses communes alors que d’autres ne vont toucher que des personnes de leur commune. D’autres structures sont mobiles et vont pouvoir se déplacer chez les personnes ce qui change forcément le score de précarité. Ces éléments demanderaient une modélisation complexe pour tenir compte de ces différentes réalités et risquerait d’être rapidement obsolète.
L’affichage dynamique de combinaison des différents facteurs de précarité numérique et le calcul de score associé à ces combinaison sont sous exploité dans la version actuellement proposée. Ce processus, d’actualisation de tableaux en tri croisés, nécessiterait un temps de développement plus conséquent que celui qui a été envisagé pour ce projet.
L’indice de fragilité numérique proposé par Incubo a le mérite de poser les bases d’une recherche de qualification objective du ressenti de professionnels de l’accompagnement numérique (médiateurs numériques, travailleurs sociaux, bibliothécaire, aidant numérique…). Cependant certains points interrogent : la méthode de recueil et d’agrégation des données 5.2, les choix de pondérations 5.4.2, l’absence de l’intégration des lieux d’inclusion et médiation numérique ref.XX, le manque de finesse d’indicateurs de compétences informelles sur les pratiques numériques.
Cette première étude a proposé une alternative sur la méthode et l’agrégation des données, a intégré les données concernant les lieux ressources pour lutter contre la précarité numérique. Cependant le plus gros écueil demeure : comment accéder à des jeux de données permettant de qualifier plus finement le niveau de compétence d’une personne dans les usages numériques ? Les résultats aux test PIX pourraient être un début de réponse, une enquête auprès des publics des lieux de médiations numériques pourraient en être une autre, l’accès à des données non ouvertes actuellement pourraient aussi y contribuer. Cela peut-être aussi l’occasion de réactualiser les données IRIS, en ayant un prisme usages numérique, afin d’avoir une granularité plus fine sur les métropoles ou grandes agglomérations. Contrairement à un outil de cartographie classique, cette production a été pensée comme pouvant évoluer rapidement dans le temps en mettant à jour les jeux de données collectés.
Cette étude, ainsi que ces cartographies ne peuvent suffire à l’orientation de politique public sur le sujet du numérique. C’est un outil pertinent pour sensibiliser les acteurs locaux sur cette thématique, cela peut donner une indication supplémentaire sur des zones géographiques à surveiller sur le sujet de la précarité numérique mais cela ne peut-être le seul indicateur pour la construction de une politique publique sur l’inclusion numérique. Ces premiers résultats peuvent être croisés notamment avec les enquêtes d’Analyse Besoin Sociaux. Cela demanderai aussi à accéder à d’autres sources comme mentionné dans le point 7.2.
Dans tous les cas, il est encourageant de voir le sujet sortir des cercles fermés où il était cantonné jusqu’à lors. Se plus en plus d’acteurs publics, de collectivités territoriales, de syndicats mixtes, d’institutions, d’acteurs de l’ESS mesurent les enjeux et les risques de l’amplification des inégalités liées aux numériques. Espérons que cette prise de conscience puisse perdurer dans un temps suffisant pour modéliser des réponses adaptées, pertinentes et durables.
Ben Youssef Adel Les quatre dimensions de la fracture numérique Dans Réseaux 2004/5-6 (n° 127-128) lien
Sénat - Rapport d’information sur la lutte contre l’illectronisme et pour l’inclusion numérique 17/09/2020 pdf, Note de synthèse, infographie
Sénat - Compte rendu analytique officiel lutte contre l’illectronisme et pour l’inclusion numérique 13/01/2021 lien
Lionel Jospin - Discours sur l’entrée de la France dans la société de l’information 9/10/1997 lien
Stéphanie Lucien-Brun - Infographie Chronologie de l’accès public à Internet - Perspective française et européenne)
Dominique Pasquier L’Internet des familles modestes Enquête dans la France rurale 2018, Presses des Mines, 222 pages lien
Mediamétrie - L’année internet 2020 17/02/2021 lien
Ministère de l’économie - Plan cuivre 21/05/2021 lien
Orange - Communiqué de presse 21/05/2021 lien
Arcep - Déploiement THD du 4ème trimestre 2020 02/2021 lien
BVA - Etude Le numérique : inclusion ou exclusion ? lien
INSEE - Enquête annuelle auprès des ménages sur les technologies de l’information et de la communication (TIC-menages 2019 lien, synthèse des résultats
Eurostat - Compétences numériques des particuliers 05/05/2021 lien