41:null 42:["$","title",null,{"children":"SAE 303 — Gr 02 | MMI Montbéliard | Observable"}] 48:T166d,## 2. Les 5 questions avant de dessiner ### A. Quelle est la nature des variables ? * `delta` : **quantitative**. De combien de degrés la zone est plus chaude que la moyenne, en °C, en nombres entiers. Le jeu complet va de −12 à +17 °C, mais on n'a gardé que les zones chaudes : dans notre fichier, les valeurs vont de **+3 à +16 °C**. * `dimension` : **qualitative**. La moyenne à laquelle on compare : `BM` (toute la métropole), `COM` (la commune) ou `PT` (le pôle territorial). On garde uniquement `BM`, pour que les communes soient comparées à la même référence. * `date_releve` : **temporelle**. Le jour de la mesure. Une seule date dans notre fichier : le **11 juillet 2022**. * `insee` : **identifiant** de commune, mais **vide pour les 9 697 zones**. On ne peut donc pas relier une zone à sa commune par ce code : on passe par la position. * `geo_shape` : **géographique**. La forme de chaque zone chaude. **Les habitants** (`carreaux_bordeaux.csv`, Insee, Filosofi 2019) : 6 751 carrés de 200 m de côté. * `ind` : **quantitative**. Nombre d'habitants du carré. * `ind_65_79`, `ind_80p` : **quantitatives**. Nombre d'habitants de 65 à 79 ans, et de 80 ans ou plus. * `men`, `men_pauv` : **quantitatives**. Nombre de ménages, et de ménages pauvres. * `i_est_200` : **qualitative** (oui/non). 1 = les chiffres du carré sont estimés par l'Insee (secret statistique). * `idcar_200m` : **identifiant** du carré. Il contient aussi sa position. * `lcog_geo` : **identifiant** de commune. Il peut contenir plusieurs codes collés quand le carré est à cheval sur plusieurs communes. * `lon`, `lat` : **géographiques**. La position du centre du carré, calculée à partir de son identifiant. * `nom` : **identifiant** (le nom de la commune). * `insee` : **identifiant** (le code de la commune). * `geometry` : **géographique**. Le contour de la commune. ### B. La moyenne ment-elle ? Oui, si on fait la moyenne des 28 taux communaux : Saint-Vincent-de-Paul (927 habitants selon Filosofi) pèserait autant que Bordeaux (230 202). Le taux de la métropole se calcule donc ainsi : total des habitants en îlot de chaleur / total des habitants. Attention aussi aux petites communes : avec peu d'habitants, quelques personnes suffisent à faire bondir une part. C'est encore plus vrai pour les plus de 80 ans, qui sont peu nombreux dans certaines communes. On affichera l'effectif à côté du pourcentage. ### C. À quoi ressemble la distribution ? **Écarts de température (V1)** : très asymétrique. Beaucoup de zones à peine plus chaudes, très peu de zones extrêmes : 53 % sont à +3 ou +4 °C, une seule à +16 °C. La médiane (+4 °C) décrit mieux une zone typique que la moyenne. **Les 28 communes** : très étalées, de 1 % (Bouliac) à 95 % (Talence), sans groupe autour d'une valeur. La médiane est à 50 % et la moyenne simple des 28 taux à 46 %, bien en dessous de la part réelle des habitants (69 %) : les communes les plus peuplées sont aussi les plus exposées. D'où le calcul « total ÷ total » (voir B). ### D. Absolu ou relatif ? **Relatif, deux fois :** - Pour la chaleur, on utilise l'écart à la moyenne de la métropole le même jour, pas la température brute, qui dépend du jour et de l'heure du relevé. - Pour les habitants, on utilise une part et non un nombre : un nombre brut ne montrerait que la taille des communes. ### E. D'où sort cette donnée, et qui manque ? **Sources** (toutes en Licence Ouverte) * **Îlots de chaleur** : Bordeaux Métropole, « Îlot de chaleur ou de fraîcheur urbain basé sur l'analyse des températures de surface de 2022 ». Téléchargé déjà filtré : comparaison à la moyenne de la métropole, relevé du 11 juillet 2022, zones à +3 °C ou plus. * **Habitants** : Insee, « Revenus, pauvreté et niveau de vie en 2019 — Données carroyées », carrés de 200 m. Le fichier couvre toute la France (2 287 884 carrés) : on n'a gardé que les 6 751 carrés des 28 communes. * **Contours des communes** : Bordeaux Métropole, « Délimitation de Bordeaux Métropole et des communes membres ». **Ce qui manque ou peut fausser les chiffres** * **On mesure la chaleur du sol, pas de l'air.** Le satellite voit la température des toits, des routes et des sols. Ce n'est pas exactement la chaleur qu'on ressent. * **Un seul jour.** C'est une photo du 11 juillet 2022, pas une moyenne de l'été. * **On compare à la moyenne de toute la métropole**, forêts, champs et Garonne compris. Du coup, environ 31 % de la surface de la métropole ressort comme îlot de chaleur. « Îlot de chaleur » veut donc dire « plus chaud que la moyenne du territoire », pas forcément « anormalement chaud ». * **Méthode du centre.** Un carré compte comme « chaud » si son centre tombe dans une zone chaude. C'est une approximation : un carré à moitié chaud peut être compté dedans ou dehors. * **Années différentes** : chaleur 2022, habitants 2019. * **Secret statistique** : quand un carré a très peu d'habitants, l'Insee estime les chiffres. Ça concerne 2 074 carrés, mais seulement 24 193 habitants (environ 3 % du total). * **Carrés à cheval** : 877 carrés touchent plusieurs communes. On les range dans la commune où tombe leur centre. 125 carrés (3 838 habitants) ont leur centre hors de la métropole : on les retire. * **Des habitants absents.** Filosofi compte environ 768 000 habitants dans la métropole, contre environ 854 000 dans la population officielle. Il manque environ 86 000 personnes : Filosofi ne compte que les ménages en logement ordinaire, donc pas les étudiants en résidence, les personnes en EHPAD ou les sans-abri. Les plus de 80 ans les plus dépendants manquent donc précisément.49:T45d,const pctA = v => (v * 100).toLocaleString("fr-FR", { maximumFractionDigits: 1 }) + " %"; const trie = d3.sort(parCommune, d => -d.part_ind); const part80 = d3.sum(parCommune, d => d.ind_80p_icu) / d3.sum(parCommune, d => d.ind_80p); const partMen = d3.sum(parCommune, d => d.men_icu) / d3.sum(parCommune, d => d.men); const partPauv = d3.sum(parCommune, d => d.men_pauv_icu) / d3.sum(parCommune, d => d.men_pauv); display(md` - **Les plus exposées** : ${trie.slice(0, 3).map(d => `${d.commune} (${pctA(d.part_ind)})`).join(", ")} - **Les moins exposées** : ${trie.slice(-3).map(d => `${d.commune} (${pctA(d.part_ind)})`).join(", ")} - **80 ans et plus en îlot de chaleur** : ${pctA(part80)} (contre ${pctA(d3.sum(parCommune, d => d.ind_icu) / d3.sum(parCommune, d => d.ind))} de tous les habitants) · plus exposés que les autres dans **${parCommune.filter(d => d.ecart_80p > 0).length} communes sur 28** - **Ménages pauvres en îlot de chaleur** : ${pctA(partPauv)} (contre ${pctA(partMen)} de tous les ménages) · plus exposés dans **${parCommune.filter(d => d.ecart_pauv > 0).length} communes sur 28** `);4a:T511,const nbZones = icuBrut.features.length; const zones3et4 = icuBrut.features.filter(f => f.properties.delta <= 4).length; display(Plot.plot({ title: "La plupart des îlots de chaleur sont à +3 ou +4 °C", subtitle: "Nombre de zones chaudes selon leur écart à la température moyenne de la métropole, 11 juillet 2022", caption: `Source : Bordeaux Métropole, îlots de chaleur (${nbZones.toLocaleString("fr-FR")} zones à +3 °C ou plus)`, width: 760, height: 320, x: { label: "Écart à la moyenne (°C) →", tickFormat: d => `+${d}` }, y: { label: "↑ Nombre de zones", grid: true, tickFormat: d => d.toLocaleString("fr-FR") }, marks: [ Plot.barY(icuBrut.features, Plot.groupX( { y: "count", title: zones => `+${zones[0].properties.delta} °C au-dessus de la moyenne\n${zones.length.toLocaleString("fr-FR")} zones, soit ${(zones.length / nbZones * 100).toLocaleString("fr-FR", { maximumFractionDigits: 1 })} % des zones chaudes` }, { x: d => d.properties.delta, fill: "#e34a33", tip: true } )), Plot.ruleY([0]), Plot.text([`${Math.round(zones3et4 / nbZones * 100)} % des zones sont à +3 ou +4 °C`], { frameAnchor: "top-right", dx: -10, dy: 10, fontSize: 13, fontWeight: "bold" }) ] }));4b:T600,const decoupage = "seuils"; // "seuils" ou "quantiles" : à choisir après avoir vu la V1 const couleur = decoupage === "seuils" ? { type: "threshold", domain: [0.2, 0.4, 0.6, 0.8], scheme: "ylorrd" } : { type: "quantile", n: 5, scheme: "ylorrd" }; const tauxCarte = d3.sum(parCommune, d => d.ind_icu) / d3.sum(parCommune, d => d.ind); const partMin = d3.min(parCommune, d => d.part_ind); const partMax = d3.max(parCommune, d => d.part_ind); display(Plot.plot({ title: `${Math.round(tauxCarte * 100)} % des habitants de la métropole vivent en îlot de chaleur, mais la part va de ${Math.round(partMin * 100)} % à ${Math.round(partMax * 100)} % selon la commune`, subtitle: "Part des habitants vivant en îlot de chaleur, par commune · +3 °C au-dessus de la moyenne de la métropole · 11 juillet 2022", ariaLabel: "Carte des 28 communes de Bordeaux Métropole selon la part de leurs habitants vivant en îlot de chaleur", width: 640, height: 640, projection: { type: "mercator", domain: communesAvecPart }, color: { ...couleur, legend: true, label: "Habitants en îlot de chaleur", tickFormat: d => Math.round(d * 100) + " %" }, marks: [ Plot.geo(communesAvecPart.features, { fill: d => d.properties.part_ind, stroke: "white", strokeWidth: 1, tip: true, title: d => `${d.properties.commune}\n${(d.properties.part_ind * 100).toFixed(1)} % des habitants en îlot de chaleur\n(${Math.round(d.properties.ind).toLocaleString("fr-FR")} habitants)` }) ] }));4c:T4fb,#### Fiche V2 - **Question** : où vit-on le plus en îlot de chaleur dans la métropole ? (un « où ? », donc une carte) - **Famille** : carte choroplèthe, une part par commune. - **Encodage** : couleur séquentielle jaune → rouge, car la variable est ordonnée. Une part et non un nombre, qui ne montrerait que la taille des communes. Cinq classes aux seuils ronds (20, 40, 60, 80 %), lisibles pour un public non technique. - **Dénominateur** : les habitants de la commune (Σ `ind`, Filosofi 2019), même source que le numérateur ; 125 carreaux hors métropole (0,5 %) écartés. - **Titre et sous-titre** : « 69 % des habitants de la métropole vivent en îlot de chaleur, mais la part va de 1 % à 95 % selon la commune » · « Part des habitants en îlot de chaleur, par commune · +3 °C au-dessus de la moyenne de la métropole · 11 juillet 2022 ». - **Alternative textuelle** : *Nature* : carte des 28 communes, du jaune au rouge foncé. *Lecture* : plus c'est foncé, plus la part est élevée. *Constat* : les communes à plus de 80 % forment un bloc au centre et au sud ; les plus claires sont en périphérie, comme Ambès (2,5 %) et Saint-Vincent-de-Paul (4,2 %). *Limite* : température de surface, un seul jour, moyenne incluant forêts et champs.4d:T809,const partTousMetro = d3.sum(parCommune, d => d.ind_icu) / d3.sum(parCommune, d => d.ind); const part80Metro = d3.sum(parCommune, d => d.ind_80p_icu) / d3.sum(parCommune, d => d.ind_80p); const fmt = v => (v * 100).toLocaleString("fr-FR", { maximumFractionDigits: 0 }) + " %"; const barresV3 = parCommune.flatMap(d => [ { commune: d.commune, groupe: "Tous les habitants", part: d.part_ind, effectif: d.ind }, { commune: d.commune, groupe: "80 ans et plus", part: d.part_80p, effectif: d.ind_80p } ]); const ordre = d3.sort(parCommune, d => -d.part_80p).map(d => d.commune); display(Plot.plot({ title: "Les 80 ans et plus vivent-ils plus souvent en îlot de chaleur que les autres ?", subtitle: `Sur toute la métropole : ${fmt(part80Metro)} des 80 ans et plus, contre ${fmt(partTousMetro)} de l'ensemble des habitants · détail par commune, le 11 juillet 2022`, caption: "Sources : Bordeaux Métropole (îlots de chaleur, 11 juillet 2022) · Insee, Filosofi 2019. Survolez une barre pour voir le nombre de personnes concernées.", width: 760, marginLeft: 170, marginRight: 50, height: parCommune.length * 38 + 60, fy: { label: null, domain: ordre, padding: 0.25 }, y: { axis: null, domain: ["Tous les habitants", "80 ans et plus"] }, x: { label: "Part vivant en îlot de chaleur →", tickFormat: "%", domain: [0, 1], grid: true }, color: { domain: ["Tous les habitants", "80 ans et plus"], range: ["#b6bcc5", "#e34a33"], legend: true }, marks: [ Plot.barX(barresV3, { fy: "commune", y: "groupe", x: "part", fill: "groupe", title: d => `${d.commune}\n${d.groupe} : ${fmt(d.part)}\n(${Math.round(d.effectif).toLocaleString("fr-FR")} personnes)` }), // La valeur au bout de chaque barre Plot.text(barresV3, { fy: "commune", y: "groupe", x: "part", text: d => fmt(d.part), textAnchor: "start", dx: 4, fontSize: 10, fill: d => (d.groupe === "80 ans et plus" ? "#e34a33" : "#6b7280") }), Plot.ruleX([0]) ] }));4e:Tb1e,function classementCommunes(donnees, communeChoisie) { const tri = [...donnees].sort((a, b) => d3.descending(a.part_ind, b.part_ind)); const taux = d3.sum(donnees, d => d.ind_icu) / d3.sum(donnees, d => d.ind); const choix = tri.find(d => d.commune === communeChoisie); const rang = choix ? tri.indexOf(choix) + 1 : null; const pct = x => Math.round(x * 100); const nombre = x => Math.round(x).toLocaleString("fr-FR"); const ordinal = n => (n === 1 ? "1re" : `${n}e`); return Plot.plot({ title: choix ? `${choix.commune} : ${pct(choix.part_ind)} % des habitants vivent en îlot de chaleur, contre ${pct(taux)} % dans l'ensemble de la métropole` : "Part des habitants vivant en îlot de chaleur, par commune", subtitle: choix ? `${ordinal(rang)} commune sur ${tri.length}, pour ${nombre(choix.ind)} habitants · classement de la plus à la moins exposée · +3 °C au-dessus de la moyenne de la métropole` : "Communes classées de la plus à la moins exposée · +3 °C au-dessus de la moyenne de la métropole", caption: "Sources : Bordeaux Métropole (îlots de chaleur, relevé satellite du 11 juillet 2022) · Insee, Filosofi 2019 (carreaux de 200 m). Part = habitants des carreaux en îlot de chaleur / habitants de la commune.", ariaLabel: choix ? `Classement des ${tri.length} communes de Bordeaux Métropole selon la part de leurs habitants en îlot de chaleur. ${choix.commune} : ${pct(choix.part_ind)} %, ${ordinal(rang)} sur ${tri.length}. Taux de la métropole : ${pct(taux)} %.` : "Classement des communes de Bordeaux Métropole selon la part de leurs habitants en îlot de chaleur", width: 720, height: 70 + tri.length * 24, marginLeft: 170, marginRight: 50, style: { fontSize: "13px" }, x: { label: "Part des habitants en îlot de chaleur →", tickFormat: "%", domain: [0, 1], grid: true }, y: { label: null, tickSize: 0, domain: tri.map(d => d.commune) }, marks: [ Plot.barX(tri, { y: "commune", x: "part_ind", fill: d => (d.commune === communeChoisie ? "#e34a33" : "#d5d9df"), tip: true, title: d => `${d.commune}\n${(d.part_ind * 100).toFixed(1)} % des habitants\n(sur ${nombre(d.ind)} habitants)` }), Plot.text(tri, { y: "commune", x: "part_ind", text: d => `${pct(d.part_ind)} %`, dx: 5, textAnchor: "start", fontWeight: d => (d.commune === communeChoisie ? "bold" : "normal") }), Plot.ruleX([taux], { stroke: "black", strokeDasharray: "4 3" }), Plot.text([taux], { x: d => d, text: () => `Métropole : ${pct(taux)} %`, frameAnchor: "bottom", dx: 6, dy: -6, textAnchor: "start", fontWeight: "bold" }), Plot.ruleX([0]) ] }); }4f:T495,#### Fiche V4 - **Question** : ma commune est-elle plus exposée que le reste de la métropole ? - **Famille** : classement interactif, en barres horizontales. - **Encodage** : longueur de barre sur un axe commun de 0 à 100 % ; rouge pour la commune choisie, gris pour les 27 autres ; trait pointillé pour le taux de la métropole. Route B, car le graphique réagit au choix du lecteur. - **Dénominateur** : les habitants de la commune (Σ `ind`, Filosofi 2019) ; taux de la métropole = total en îlot / total des habitants, pas la moyenne des 28 taux. - **Titre et sous-titre** : « [commune] : X % des habitants vivent en îlot de chaleur, contre 69 % dans l'ensemble de la métropole » · « Ne commune sur 28, pour N habitants · classement de la plus à la moins exposée · +3 °C au-dessus de la moyenne de la métropole ». - **Alternative textuelle** : *Nature* : classement de 28 communes en barres, avec un menu pour choisir la sienne. *Lecture* : barre rouge = commune choisie, trait pointillé = métropole. *Constat* : le titre donne sa part et son rang. *Limite* : température de surface, un seul jour ; une petite commune compte autant qu'une grande.50:T4a3,const arrondi = x => Math.round(x * 100) / 100; const donneesSite = parCommune .map(d => ({ insee: d.insee, commune: d.commune, ind: arrondi(d.ind), ind_icu: arrondi(d.ind_icu), part_ind: arrondi(d.part_ind * 100), ind_80p: arrondi(d.ind_80p), ind_80p_icu: arrondi(d.ind_80p_icu), part_80p: arrondi(d.part_80p * 100), ecart_80p: arrondi(d.ecart_80p * 100), men: arrondi(d.men), men_icu: arrondi(d.men_icu), men_pauv: arrondi(d.men_pauv), men_pauv_icu: arrondi(d.men_pauv_icu), part_men_pauv: arrondi(d.part_men_pauv * 100), ecart_pauv: arrondi(d.ecart_pauv * 100) })) .sort((a, b) => d3.ascending(a.commune, b.commune)); const csvSite = d3.csvFormat(donneesSite); const bouton = document.createElement("button"); bouton.textContent = "Télécharger communes.csv"; bouton.onclick = () => { const lien = document.createElement("a"); lien.href = URL.createObjectURL(new Blob([csvSite], { type: "text/csv" })); lien.download = "communes.csv"; lien.click(); }; display(`${donneesSite.length} lignes, ${Object.keys(donneesSite[0]).length} colonnes`); display(bouton); display(Inputs.table(donneesSite.slice(0, 5)));51:T981,--- ## Synthèse **Question posée.** Dans quelles communes de la métropole vit-on le plus dans des îlots de chaleur, et les habitants les plus fragiles y sont-ils sur-représentés ? **Ce que montrent les données.** - 69 % des habitants de la métropole vivent dans un îlot de chaleur, c'est-à-dire une zone à +3 °C ou plus au-dessus de la température de surface moyenne de la métropole, le 11 juillet 2022. Cette moyenne inclut forêts, champs et Garonne : « îlot de chaleur » veut dire « plus chaud que la moyenne du territoire ». - Cette part cache de très grands écarts : de 1 % à 95 % selon la commune. Talence (95 %), Bègles (90 %), Bordeaux (89 %), Villenave-d'Ornon (83 %) et Le Bouscat (79 %) sont les plus exposées. Ambès (2,5 %), Saint-Vincent-de-Paul (4 %) et Bouliac (1 %) le sont à peine. - Les 80 ans et plus ne sont pas globalement plus exposés : 70 % d'entre eux vivent en îlot de chaleur, contre 69 % de l'ensemble des habitants. L'écart change de sens selon la commune, de +12 points à Parempuyre à −7 points à Blanquefort. - Les zones chaudes elles-mêmes restent plutôt modérées : 53 % sont à +3 ou +4 °C, et très peu dépassent +10 °C. **Réponse.** L'exposition dépend surtout de la commune où l'on vit : le centre et le sud de la métropole sont fortement touchés, la périphérie peu. À l'échelle de la métropole, les personnes âgées ne forment pas un groupe plus exposé, mais dans certaines communes elles le sont nettement. **Ce que ces données ne disent pas.** - La chaleur mesurée est celle du sol (toits, routes), relevée un seul jour : ce n'est ni la température de l'air ressentie, ni une moyenne d'été. - Chaleur de 2022 et habitants de 2019 : les deux sources ne datent pas de la même année. - Filosofi ne compte que les ménages en logement ordinaire : environ 768 000 habitants contre 854 000 dans la population officielle. Les personnes en EHPAD, les étudiants en résidence et les sans-abri manquent, donc les 80 ans et plus les plus dépendants aussi. - Méthode du centre : seules 928 zones chaudes sur 9 697 contiennent le centre d'un carreau. Les très petites zones ne sont pas comptées, donc l'exposition est plutôt sous-estimée. - Dans les petites communes, quelques personnes suffisent à faire varier une part de plusieurs points. - On constate où vivent les gens, on n'explique pas pourquoi : aucune cause n'est avancée.52:T8e2,--- ## Journal IA **Outil utilisé :** Claude (Anthropic), le 19 octobre 2026, comme assistant : explications, relecture, suggestions de code et aide au dépannage. Les choix d'analyse sont les nôtres. ### Ce que nous avons décidé et rédigé nous-mêmes - L'angle (chaleur × vulnérabilité), le public visé, la question principale et le dénominateur, dans notre fiche d'intention. - Le choix des jeux de données, les filtres d'export (BM, 11 juillet 2022, +3 °C ou plus) et la réduction du fichier Filosofi aux 28 communes. - La règle du centre pour relier carreaux, communes et îlots de chaleur, et les limites qui en découlent (928 zones sur 9 697, carreaux estimés, EHPAD absents de Filosofi). - Les réponses aux questions A à E, les constats, les fiches de visualisation et la synthèse. - Le choix des seuils de la carte et la lecture de chaque graphique. ### Où l'IA nous a aidés - **Compréhension du défi :** explication du dénominateur et de la formule risque = aléa × enjeu × vulnérabilité. - **Relecture de notre note d'intention :** remarques sur les ménages à ne pas mélanger avec les habitants, les EHPAD absents de Filosofi, les petites communes et une coquille (97 000 au lieu de 9 697 zones), que nous avons corrigée. - **Code :** propositions de cellules pour le chargement, le nettoyage, les jointures, le regroupement par commune, les quatre visualisations et l'export. Nous les avons lancées, vérifiées avec nos propres contrôles (0 désaccord, 28 communes sur 28) et adaptées. - **Dépannage :** deux problèmes sur la carte, un graphique qui ne s'affichait pas (il manquait `display`) puis une carte d'une seule couleur à cause du sens de tracé des contours. - **Brouillon de synthèse :** une trame à partir de nos résultats, que nous avons relue et reformulée. ### Erreurs de l'IA que nous avons repérées - Des cellules fournies sans `display`, qui n'affichaient rien. - Une carte à une seule couleur, corrigée par l'inversion du sens des contours. - Un minimum erroné dans une première version de la fiche V2 (2,5 % au lieu de 1 %), rectifié d'après la carte. - Une supposition de trou entre −3 et +3 °C dans l'histogramme, alors que notre fichier ne contient que les zones à +3 °C ou plus.53:[{"id":"d89808daca8290ac45952f898d9a1432122dad06d00446e9be24a10e01af53afb7c6fd1b66c825fb7a8a64b5fd4645101e75765224fdcc34828fba77f79d8772","href":"https://static.observableusercontent.com/files/d89808daca8290ac45952f898d9a1432122dad06d00446e9be24a10e01af53afb7c6fd1b66c825fb7a8a64b5fd4645101e75765224fdcc34828fba77f79d8772","name":"carreaux_bordeaux.csv","type":"text/csv","lastModified":1792394352276.728,"size":508422},{"id":"cd6bc18fda39630add6e1597fb6881b941bf29830e1e9e9c7dcc891a50c1c01c81d13566bae8c3dfcce06e452a7efe93a5e3db70a3a537d50c45e816df7ebafc","href":"https://static.observableusercontent.com/files/cd6bc18fda39630add6e1597fb6881b941bf29830e1e9e9c7dcc891a50c1c01c81d13566bae8c3dfcce06e452a7efe93a5e3db70a3a537d50c45e816df7ebafc","name":"ri_icu_ifu_s.geojson","type":"application/geo+json","lastModified":1792394363619.703,"size":6323566},{"id":"862a731d8f151d43c485d8b3a2392282326c2c1b60e69f383cf49981eba4ff42525d3ca8991c1aa09c8ee2191fb69ede13a2cc7ae4b28c12f7c1be57fb7048f6","href":"https://static.observableusercontent.com/files/862a731d8f151d43c485d8b3a2392282326c2c1b60e69f383cf49981eba4ff42525d3ca8991c1aa09c8ee2191fb69ede13a2cc7ae4b28c12f7c1be57fb7048f6","name":"fv_commu_s.geojson","type":"application/geo+json","lastModified":1792394353251.795,"size":883290}] 46:{"id":"5e6ab7ac9fed39f5","slug":"sae-303-gr-02","title":"SAE 303 — Gr 02","thumbnail":"58663086bd6bd114ef16eaef1cde5dd00fc3b1f9bda3d85accf5df3b59d018a1","access_level":"public","create_time":"$D2026-10-13T09:31:17.881Z","update_time":"$D2026-10-19T14:23:09.421Z","view_time":null,"first_public_time":"$D2026-10-19T13:51:50.639Z","has_unpublished_edits":null,"fork":false,"stars":0,"starred":false,"owner":{"type":"team","id":"29853dc62ffa3714","login":"mmi-montbeliard","name":"MMI Montbéliard","avatar_url":"https://avatars-next.observableusercontent.com/9297b8aeeda295f4db64a8d120219d0fff8dee572e0abb90500ea3732512b50b","tier":"education_2026","bio":"","following":false},"version":587,"publish_version":587,"role":null,"authored":false,"authors":[{"type":"individual","id":"9e994ecabe6cd753","login":"xaviersenente","name":"Xavier SENENTE","avatar_url":"https://avatars-next.observableusercontent.com/00724f3264dc62ce6303793b946b15214af84cf98487a4cdaa88dbdfea37786a","tier":null,"bio":"","following":false},{"type":"individual","id":"57b1cf39253fdf8d","login":"valder004","name":"valentin DEROO","avatar_url":"https://avatars-next.observableusercontent.com/946943020691790431078af995d415505b8c60c4df229d8d3fd7ecc2764b3afe","tier":null,"bio":"","following":false},{"type":"individual","id":"e30e4fc46f0171bb","login":"matiasverguet","name":"Matias Verguet Bailly","avatar_url":"https://avatars-next.observableusercontent.com/d8d84bee0e89a748bd0dd67e2e6f13b3bd4bf98c004d0511dd676cf10015bb31","tier":null,"bio":"","following":false}],"members":[{"type":"team","id":"29853dc62ffa3714","login":"mmi-montbeliard","name":"MMI Montbéliard","avatar_url":"https://avatars-next.observableusercontent.com/9297b8aeeda295f4db64a8d120219d0fff8dee572e0abb90500ea3732512b50b","tier":"education_2026","role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":null,"type":"notebook","body":{"titling":"auto","title":"SAE 303 — Gr 02","cells":[{"id":0,"value":"# SAE 303 — Gr 02","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":18,"value":"## 1. Fiche d'intention\n\n**Public visé** — Un habitant de Bordeaux Métropole, sans connaissance technique, qui veut savoir si sa commune est concernée.\n\n**Question principale** — Dans quelles communes de la métropole vit-on le plus dans des îlots de chaleur, et les habitants les plus fragiles y sont-ils sur-représentés ?\n\n**Angle** — Chaleur × vulnérabilité. On croise un aléa (les îlots de chaleur relevés par satellite en 2022), un enjeu (les habitants) et une vulnérabilité (les plus de 80 ans, les ménages pauvres). C'est la formule risque = aléa × enjeu × vulnérabilité.\n\n**Dénominateur** — La population de chaque commune, comptée dans la même source que le numérateur (Insee, Filosofi 2019). On compare des parts, jamais des nombres bruts : une grande commune aurait toujours plus d'habitants concernés qu'une petite.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":79,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":19,"value":"$48","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":78,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":20,"value":"## 3. Chargement des données","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":21,"value":"const icuBrut = await FileAttachment(\"ri_icu_ifu_s.geojson\").json();\ndisplay(icuBrut.features.length);\ndisplay(icuBrut.features.slice(0, 5).map(f => f.properties));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":22,"value":"const communesBrut = await FileAttachment(\"fv_commu_s.geojson\").json();\ndisplay(communesBrut.features.length);\ndisplay(communesBrut.features.map(f => f.properties));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":23,"value":"const carreauxBrut = await FileAttachment(\"carreaux_bordeaux.csv\").csv();\ndisplay(carreauxBrut.length);\ndisplay(carreauxBrut.slice(0, 5));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":77,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":24,"value":"## 4. Nettoyage et jointures\n\n### 4.1 Filtres appliqués à l'export (avant l'import dans le notebook)\n\n**Îlots de chaleur** — exportés depuis le datahub de Bordeaux Métropole avec trois filtres :\n- `dimension = BM` : on compare toutes les zones à la même moyenne, celle de la métropole, pour pouvoir comparer les communes entre elles ;\n- `date_releve = 11 juillet 2022` : une seule date, pour ne pas compter deux fois la même zone ;\n- `delta ≥ +3` : on ne garde que les îlots de chaleur, pas les îlots de fraîcheur.\n\n**Carreaux Filosofi** — le fichier national (2 287 884 carreaux, 454 Mo) était trop lourd pour Observable. Il a été réduit aux 6 751 carreaux des 28 communes avec un script. Le script garde les carreaux dont `lcog_geo` contient un des 28 codes communes, ne conserve que les colonnes utiles et ajoute `lon` / `lat` : la position du centre du carreau, calculée à partir de son identifiant.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":76,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":35,"value":"### 4.2 Nettoyer les carreaux\n\n#### Convertir le texte en nombres\nLe fichier CSV est lu comme du texte. On convertit les comptages et les coordonnées en nombres, on ne garde que les colonnes utiles, et on renomme `i_est_200` en `estime` (vrai / faux) pour plus de lisibilité. `lcog_geo` reste en texte, car il peut contenir plusieurs codes collés.\n\nNos trois fichiers ne se parlent pas directement : les îlots de chaleur n'ont pas de code commune, et les carreaux de l'Insee n'ont pas de température. On les relie en deux temps, par la position :\n\n**zone de chaleur → carreau** (le centre du carreau tombe-t-il dans une zone chaude ?) **→ commune** (dans quelle commune tombe ce même centre ?)\n\nChaque étape est suivie d'un contrôle qui compte ce qui « tombe à côté ».","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":25,"value":"const carreaux = carreauxBrut.map(d => ({\n idcar_200m: d.idcar_200m,\n lcog_geo: String(d.lcog_geo),\n ind: +d.ind,\n ind_65_79: +d.ind_65_79,\n ind_80p: +d.ind_80p,\n men: +d.men,\n men_pauv: +d.men_pauv,\n estime: +d.i_est_200 === 1,\n lon: +d.lon,\n lat: +d.lat\n}));\ndisplay(carreaux.slice(0, 3));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":80,"value":"
","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":69,"value":"#### Contrôles\nOn vérifie qu'aucune conversion n'a échoué, puis on compte les cas particuliers annoncés dans notre note d'intention : les carreaux estimés (secret statistique) et les carreaux à cheval sur plusieurs communes.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":26,"value":"const champsNumeriques = [\"ind\", \"ind_65_79\", \"ind_80p\", \"men\", \"men_pauv\", \"lon\", \"lat\"];\nconst nbIllisibles = carreaux.filter(d => champsNumeriques.some(c => Number.isNaN(d[c]))).length;\nconst nbEstimes = carreaux.filter(d => d.estime).length;\nconst nbACheval = carreaux.filter(d => d.lcog_geo.length > 5).length;\nconst part80Estimes = d3.sum(carreaux.filter(d => d.estime), d => d.ind_80p) / d3.sum(carreaux, d => d.ind_80p);\n\ndisplay(`Carreaux avec une valeur illisible : ${nbIllisibles} sur ${carreaux.length}`);\ndisplay(`Carreaux aux valeurs estimées (secret statistique) : ${nbEstimes} sur ${carreaux.length}`);\ndisplay(`Carreaux à cheval sur plusieurs communes : ${nbACheval} sur ${carreaux.length}`);\ndisplay(`Habitants au total, avant jointure : ${Math.round(d3.sum(carreaux, d => d.ind)).toLocaleString(\"fr-FR\")}`);\ndisplay(`Part des 80 ans et plus vivant dans un carreau estimé : ${(part80Estimes * 100).toFixed(1)} %`);","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":68,"value":"#### Constat\nAucune valeur n'a été perdue à la conversion (0 sur 6 751). Les carreaux estimés par l'Insee sont nombreux (2 074, près d'un tiers), mais ce sont de petits carreaux : ils ne regroupent que 2,9 % des plus de 80 ans, donc leur poids dans les résultats est faible. Les 877 carreaux à cheval sur plusieurs communes seront rattachés à une seule commune en 4.3, pour ne compter personne deux fois. Les 771 758 habitants comptés ici incluent encore les carreaux qui débordent de la métropole : ils sont retirés en 4.3.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":75,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":38,"value":"### 4.3 Rattacher chaque carreau à sa commune\n\n**Règle choisie :** un carreau appartient à la commune qui contient son centre. Chaque carreau est ainsi compté une seule fois, même s'il est à cheval sur deux communes.\n\n#### Un outil réutilisable : « ce point est-il dans cette forme ? »\nCette fonction répond vrai ou faux. Elle gère les formes en plusieurs morceaux et les formes trouées. Elle servira aussi en 4.4.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":27,"value":"function pointDans(point, geometrie) {\n const polygones = geometrie.type === \"Polygon\" ? [geometrie.coordinates] : geometrie.coordinates;\n return polygones.some(([exterieur, ...trous]) =>\n d3.polygonContains(exterieur, point) && !trous.some(trou => d3.polygonContains(trou, point))\n );\n}","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":81,"value":"
","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":70,"value":"#### La jointure\nPour chaque carreau, on cherche la commune qui contient son centre, et on lui ajoute deux colonnes : `insee` et `commune`.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":28,"value":"const carreauxCommune = carreaux.map(d => {\n const commune = communesBrut.features.find(c => pointDans([d.lon, d.lat], c.geometry));\n return {\n ...d,\n insee: commune ? String(commune.properties.insee) : null,\n commune: commune ? commune.properties.nom : null\n };\n});\ndisplay(carreauxCommune.slice(0, 3));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":82,"value":"
","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":71,"value":"#### Contrôle de jointure\nTrois vérifications : les carreaux qui ne tombent dans aucune commune, ceux dont la commune trouvée ne fait pas partie des codes notés par l'Insee, et les communes qui n'auraient reçu aucun carreau.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":29,"value":"const sansCommune = carreauxCommune.filter(d => d.insee === null);\nconst desaccords = carreauxCommune.filter(d => d.insee !== null && !d.lcog_geo.match(/.{5}/g).includes(d.insee));\n\ndisplay(`Carreaux dont le centre ne tombe dans aucune commune : ${sansCommune.length} (${Math.round(d3.sum(sansCommune, d => d.ind))} habitants)`);\ndisplay(`Carreaux rattachés à une commune absente de leur lcog_geo : ${desaccords.length}`);\ndisplay(`Communes ayant reçu au moins un carreau : ${new Set(carreauxCommune.map(d => d.insee).filter(Boolean)).size} sur 28`);","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":67,"value":"#### Constat\nLa jointure est fiable. Seuls 125 carreaux sur 6 751 (1,9 %) ont leur centre hors des 28 communes. Ce sont des carreaux de bordure qui débordent sur les communes voisines : on les retire, ce qui ne représente que 3 838 habitants (0,5 % du total). Aucun carreau n'a été rattaché à une commune que l'Insee ne lui attribuait pas (0 désaccord), et les 28 communes reçoivent toutes des carreaux : aucune n'est oubliée.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":74,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":41,"value":"### 4.4 Repérer les carreaux en îlot de chaleur\n\n**Règle choisie :** un carreau est en îlot de chaleur si son centre tombe dans une zone à +3 °C ou plus au-dessus de la moyenne de la métropole.\n\n#### Préparer les zones\nTester 6 600 centres contre 9 700 zones demande des millions de vérifications. Pour aller plus vite, on entoure chaque zone d'un rectangle : si le centre n'est pas dans le rectangle, inutile de faire le test précis.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":30,"value":"const zonesICU = icuBrut.features.map(f => {\n const geometrie = f.geometry ?? f.properties.geo_shape?.geometry;\n const points = (geometrie.type === \"Polygon\" ? [geometrie.coordinates] : geometrie.coordinates).flat(2);\n return {\n geometrie,\n delta: f.properties.delta,\n xMin: d3.min(points, p => p[0]), xMax: d3.max(points, p => p[0]),\n yMin: d3.min(points, p => p[1]), yMax: d3.max(points, p => p[1])\n };\n});\ndisplay(zonesICU.length);","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":83,"value":"
\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":52,"value":"#### La jointure\nOn écarte les carreaux hors métropole (voir 4.3), puis on cherche pour chaque carreau la zone chaude qui contient son centre. Chaque carreau reçoit `enICU` (vrai / faux) et le `delta` de sa zone.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":31,"value":"const carreauxICU = carreauxCommune\n .filter(d => d.insee !== null)\n .map(d => {\n const p = [d.lon, d.lat];\n const indexZone = zonesICU.findIndex(z =>\n p[0] >= z.xMin && p[0] <= z.xMax && p[1] >= z.yMin && p[1] <= z.yMax\n && pointDans(p, z.geometrie)\n );\n return {\n ...d,\n enICU: indexZone !== -1,\n delta: indexZone !== -1 ? zonesICU[indexZone].delta : null,\n indexZone\n };\n });\ndisplay(carreauxICU.slice(0, 3));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":84,"value":"
\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":72,"value":"#### Contrôles\nOn compte les carreaux en îlot de chaleur, les zones chaudes qui contiennent au moins un centre de carreau (ce qui « tombe à côté »), et la part des habitants de la métropole concernés.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":32,"value":"const carreauxChauds = carreauxICU.filter(d => d.enICU);\nconst zonesTouchees = new Set(carreauxChauds.map(d => d.indexZone)).size;\nconst partHabitantsICU = d3.sum(carreauxChauds, d => d.ind) / d3.sum(carreauxICU, d => d.ind);\n\ndisplay(`Carreaux en îlot de chaleur : ${carreauxChauds.length} sur ${carreauxICU.length}`);\ndisplay(`Zones chaudes contenant au moins un centre de carreau : ${zonesTouchees} sur ${zonesICU.length}`);\ndisplay(`Habitants gardés (centre dans une des 28 communes) : ${Math.round(d3.sum(carreauxICU, d => d.ind)).toLocaleString(\"fr-FR\")}`);\ndisplay(`Part des habitants de la métropole en îlot de chaleur : ${(partHabitantsICU * 100).toLocaleString(\"fr-FR\", {maximumFractionDigits: 1})} %`);","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":53,"value":"**Pourquoi seulement 928 zones sur 9 697 ?** Beaucoup de zones chaudes sont plus petites qu'un carreau : la moitié font moins de 2 700 m², alors qu'un carreau fait 40 000 m². Elles tombent entre deux centres de carreaux et ne sont pas comptées. C'est la limite de la méthode du centre (voir E).","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":85,"value":"
\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":91,"value":"const communesCarte = {\n ...communesBrut,\n features: communesBrut.features.map(f => ({\n ...f,\n geometry: {\n ...f.geometry,\n coordinates: f.geometry.type === \"Polygon\"\n ? f.geometry.coordinates.map(anneau => [...anneau].reverse())\n : f.geometry.coordinates.map(poly => poly.map(anneau => [...anneau].reverse()))\n }\n }))\n};\ndisplay(d3.geoArea(communesCarte.features[0]));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":66,"value":"#### Constat et limite de la méthode\n**Constat** : 3 090 carreaux sur 6 626 (47 %) ont leur centre dans un îlot de chaleur, mais ils regroupent 69,2 % des habitants : les carreaux chauds sont les plus peuplés, ceux de la ville dense.\n\n**Limite** : la méthode du centre est une approximation qui joue dans les deux sens. Une petite zone chaude qui tombe entre deux centres est oubliée (seules 928 zones sur 9 697 sont « touchées ») ; à l'inverse, un carreau à moitié chaud peut être compté en entier. Les parts obtenues sont donc des ordres de grandeur, pas des valeurs exactes.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":73,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":46,"value":"### 4.5 Regrouper par commune\n\nPour chaque commune, on additionne les habitants, les 80 ans et plus, les ménages et les ménages pauvres : au total, puis seulement dans les carreaux en îlot de chaleur. On en déduit les parts, avec toujours le même dénominateur, celui de la même population, dans la même source.\n\nOn calcule aussi l'**écart** entre deux parts : par exemple, la part des 80 ans et plus en îlot moins la part de tous les habitants en îlot. Un écart positif signifie que les 80 ans et plus sont **sur-représentés** en îlot de chaleur.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":51,"value":"const parCommune = d3.rollups(\n carreauxICU,\n carreauxDeLaCommune => {\n const chauds = carreauxDeLaCommune.filter(d => d.enICU);\n const total = (tableau, champ) => d3.sum(tableau, d => d[champ]);\n return {\n commune: carreauxDeLaCommune[0].commune,\n nb_carreaux: carreauxDeLaCommune.length,\n ind: total(carreauxDeLaCommune, \"ind\"),\n ind_icu: total(chauds, \"ind\"),\n ind_80p: total(carreauxDeLaCommune, \"ind_80p\"),\n ind_80p_icu: total(chauds, \"ind_80p\"),\n men: total(carreauxDeLaCommune, \"men\"),\n men_icu: total(chauds, \"men\"),\n men_pauv: total(carreauxDeLaCommune, \"men_pauv\"),\n men_pauv_icu: total(chauds, \"men_pauv\")\n };\n },\n d => d.insee\n).map(([insee, t]) => ({\n insee,\n ...t,\n part_ind: t.ind_icu / t.ind,\n part_80p: t.ind_80p_icu / t.ind_80p,\n part_men: t.men_icu / t.men,\n part_men_pauv: t.men_pauv_icu / t.men_pauv,\n ecart_80p: t.ind_80p_icu / t.ind_80p - t.ind_icu / t.ind,\n ecart_pauv: t.men_pauv_icu / t.men_pauv - t.men_icu / t.men\n}));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":54,"value":"const pourcent = x => (x * 100).toFixed(1) + \" %\";\nconst points = x => (x > 0 ? \"+\" : \"\") + (x * 100).toFixed(1) + \" pts\";\n\ndisplay(Inputs.table(parCommune, {\n columns: [\"commune\", \"ind\", \"part_ind\", \"part_80p\", \"ecart_80p\", \"part_men_pauv\", \"ecart_pauv\"],\n header: {\n commune: \"Commune\", ind: \"Habitants\", part_ind: \"Habitants en îlot\",\n part_80p: \"80 ans et + en îlot\", ecart_80p: \"Écart 80+\",\n part_men_pauv: \"Ménages pauvres en îlot\", ecart_pauv: \"Écart pauvres\"\n },\n format: {\n ind: x => Math.round(x).toLocaleString(\"fr-FR\"),\n part_ind: pourcent, part_80p: pourcent, part_men_pauv: pourcent,\n ecart_80p: points, ecart_pauv: points\n },\n sort: \"part_ind\",\n reverse: true,\n rows: 28\n}));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":86,"value":"
\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":55,"value":"#### Contrôle : on ne perd personne en route\nLa somme des 28 communes doit redonner exactement le total des carreaux, et le taux de la métropole doit retrouver le chiffre de 4.4.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":56,"value":"display(`Nombre de communes : ${parCommune.length}`);\ndisplay(`Habitants : ${Math.round(d3.sum(parCommune, d => d.ind))} (communes) / ${Math.round(d3.sum(carreauxICU, d => d.ind))} (carreaux)`);\ndisplay(`Taux de la métropole : ${(d3.sum(parCommune, d => d.ind_icu) / d3.sum(parCommune, d => d.ind) * 100).toFixed(1)} %`);","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":60,"value":"#### Constat\nPersonne n'est perdu en route. Les 28 communes additionnées redonnent exactement les 767 920 habitants des carreaux, et le taux de la métropole (69,2 %) est le même qu'en 4.4. Le tableau par commune est donc fiable pour la suite.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":153,"value":"$49","pinned":true,"hidden":true,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":144,"value":"## 5. Visualisations\n\n### V1 · Distribution\n**Question :** les zones chaudes sont-elles à peine plus chaudes que la moyenne, ou beaucoup plus ?","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":135,"value":"$4a","pinned":true,"hidden":true,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":148,"value":"**Fiche V1**\n- **Question** : les zones chaudes sont-elles à peine plus chaudes que la moyenne, ou beaucoup plus ?\n- **Famille** : distribution (une barre par degré d'écart).\n- **Encodage** : hauteur des barres = nombre de zones ; une seule couleur ; infobulle pour lire les petites barres.\n- **Dénominateur** : aucun, on compte des zones ; l'annotation donne la part sur les 9 697 zones.\n- **Titre / sous-titre** : le titre dit le constat, le sous-titre dit quoi, où et quand.\n- **Alternative textuelle** : Diagramme en barres des zones chaudes selon leur écart à la moyenne, le 11 juillet 2022. Les barres baissent de +3 °C (2 855 zones) à +16 °C (1 zone). 53 % des zones sont à +3 ou +4 °C : la plupart sont un peu plus chaudes, très peu le sont beaucoup.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":87,"value":"
\n\n### V2 · Carte\n\n**Question :** où vit-on le plus en îlot de chaleur ? On colorie chaque commune selon la **part** de ses habitants concernés.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":89,"value":"function inverserAnneaux(geometrie) {\n const inverser = polygone => polygone.map(anneau => [...anneau].reverse());\n return geometrie.type === \"Polygon\"\n ? { ...geometrie, coordinates: inverser(geometrie.coordinates) }\n : { ...geometrie, coordinates: geometrie.coordinates.map(inverser) };\n}\n\nconst communesAvecPart = {\n type: \"FeatureCollection\",\n features: communesBrut.features.map(f => {\n const ligne = parCommune.find(d => d.insee === String(f.properties.insee));\n return {\n ...f,\n geometry: inverserAnneaux(f.geometry),\n properties: { ...f.properties, ...ligne }\n };\n })\n};\ndisplay(communesAvecPart.features.filter(f => f.properties.part_ind == null).length + \" commune(s) sans valeur\");","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":90,"value":"$4b","pinned":true,"hidden":true,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":94,"value":"$4c","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":101,"value":"---\n\n### V3 · Comparaison\n\n**Question :** les 80 ans et plus sont-ils plus exposés que l'ensemble des habitants ?","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":104,"value":"$4d","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":111,"value":"**Fiche V3**\n- **Question** : les 80 ans et plus vivent-ils plus souvent en îlot de chaleur que les autres habitants ?\n- **Famille** : comparaison (barres groupées, deux par commune).\n- **Encodage** : longueur = part en îlot de chaleur ; gris = tous les habitants, orange = 80 ans et plus ; valeur écrite au bout ; infobulle avec l'effectif.\n- **Dénominateur** : les 80 ans et plus de la commune pour la barre orange, tous ses habitants pour la grise (Filosofi 2019).\n- **Titre / sous-titre** : le titre donne le constat, le sous-titre la réponse pour toute la métropole.\n- **Alternative textuelle** : à écrire avec vos chiffres (type de graphique, ce qu'il compare, la tendance générale, la commune la plus remarquable).","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":112,"value":"---\n\n### V4 · Interaction\n\n**Question du lecteur :** « Ma commune est-elle plus exposée que le reste de la métropole ? » Il choisit sa commune et la voit située parmi les 28.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":113,"value":"$4e","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":127,"value":"","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":126,"value":"","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":114,"value":"const communeChoisie = view(Inputs.select(\n parCommune.map(d => d.commune).sort(d3.ascending),\n { label: \"Choisissez votre commune\", value: \"Bordeaux\" }\n));","pinned":true,"hidden":true,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":115,"value":"display(classementCommunes(parCommune, communeChoisie));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":162,"value":"$4f","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":159,"value":"
","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":156,"value":"#### Vérification : la fonction est-elle prête pour le site ?\nOn l'appelle sur 5 communes seulement. Elle ne dessine que ces 5 communes, et le taux « Métropole » (76 %) est recalculé sur elles seules : la fonction n'utilise que les données qu'on lui passe. Elle peut donc être recopiée telle quelle dans le site.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":130,"value":"display(classementCommunes(parCommune.slice(0, 5), parCommune[0].commune));","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":128,"value":"---\n\n## 6. Export pour le site\n\nUne ligne par commune. On ne garde que les colonnes utiles aux graphiques, avec leurs dénominateurs, et deux décimales. Aucun fichier brut du défi n'est publié.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":129,"value":"$50","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":154,"value":"$51","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":155,"value":"$52","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W53","stdlib":"1"}} 47:"$46:body"