31:T87a,

L’ odonymie est l'étude des odonymes , parfois aussi écrits hodonymes , noms propres désignant une voie de communication . Un odonyme peut être le nom d'une rue , d'une route , d'une place , d'un chemin , d'une allée . Elle s'inscrit dans le domaine de la toponymie qui étudie plus largement les noms de lieux en géographie et dans le domaine plus général de l' onomastique , l'étude des noms propres.
– "Odonymie", Wikipédia: L'Encyclopédie Libre

32:Tc6e,### Contexte Les noms de rues évoluent au fil du temps pour diverses raisons : ils accompagnent des changements politiques, reflètent des bouleversements sociétaux ou commémorent des événements marquants nécessitant l'établissement de lieux de mémoire. La question de la féminisation des noms de rues est abordée dans les médias suisses romands depuis moins d'une dizaine d'années et s'est concrétisée par la mise en place de projets dans plusieurs villes. En 2022, la ville de Lausanne s'est engagée à "valoriser la place des femmes dans l'espace public en (re)nommant au minimum 30 rues, places et parcs en leur honneur d'ici à 2026" ([site de la ville de Lausanne](https://www.lausanne.ch/portrait/cohesion-sociale/bureau-egalite/femmes-espace-public/femmes-et-espace-public-carte )). Ce projet fait suite à un constat frappant : début 2022, la ville ne comptait que trois odonymes faisant référence à une femme. À Genève, un processus de féminisation des noms de rues a été amorcé dès 2019, suite à la mise en place du [projet 100Elles*](https://lescouade.ch/100elles/), porté par l'association féministe l'Escouade. Sur le site du projet, on retrouve l'interrogation suivante, qui résume l'enjeu de la dénomination des rues : "Les noms de rue sont pourtant choisis selon deux critères a priori non-genrés : il doit s'agir de personnes ayant marqué de manière pérenne l'histoire de Genève, et décédées depuis plus de dix ans. Les hommes sont-ils les seuls à avoir contribué à l'histoire de Genève ?" Toutefois, il convient de préciser que la présence de noms de rues féminins ne permet pas, à elle seule, de tirer des conclusions quant à l'inclusivité d'une ville ou à la qualité des démarches visant à l'équité. Cette dimension toponymique, bien qu'importante symboliquement, ne permet pas de saisir la complexité des rapports de genre et des dynamiques de présence genrée dans l'espace public. Elle constitue néanmoins un indicateur pertinent des représentations collectives et de la reconnaissance du rôle des femmes dans l'histoire locale. Cette problématique se situe à l'intersection de plusieurs champs disciplinaires. La géographie sociale et urbaine s'intéresse aux processus de production et d'appropriation de l'espace, dont la toponymie constitue une dimension symbolique essentielle. Les études de genre interrogent les mécanismes d'invisibilisation des femmes dans l'espace public et la construction des représentations genrées, au sein des métiers par exemple. L'histoire locale et sociale permet de retracer les processus de commémoration et de comprendre quelles figures sont jugées dignes d'être honorées à travers le temps. Enfin, les sciences politiques éclairent les dynamiques de pouvoir à l'œuvre dans les décisions de dénomination et les politiques mémorielles urbaines. Cette approche interdisciplinaire permet de saisir la complexité des enjeux liés à la féminisation de la toponymie, qui dépasse la simple question du nombre pour interroger les mécanismes de reconnaissance et de valorisation des contributions des femmes à l'histoire collective.33:T424,### Données #### Source des données La liste des rues utilisée ici provient du [répertoire officiel des rues, routes, chemins, ruelles, places et lieux](https://www.swisstopo.admin.ch/fr/repertoire-officiel-des-rues) mis à disposition par l'office fédéral de topographie swisstopo.
Une étape du pré-traitement à consisté en l'isolation des rues contenant un prénom, pour ce faire le [dataset des prénoms de la population suisse](https://www.bfs.admin.ch/bfs/fr/home/statistiques/population/naissances-deces/noms-suisse.assetdetail.36062343.html) mis à disposition par l'OFS a été employé.
Pour les informations biographiques au sujet de personnes ayant donné leur nom à des rues en Suisse romande, j'ai eu recours à [Wikidata](https://www.wikidata.org/wiki/Wikidata:Main_Page).
Les typologies des communes ont été extraites à partir du fichier "[Niveaux géographiques"](https://www.agvchapp.bfs.admin.ch/fr/typologies/results?SnapshotDate=01.01.2026&SelectedTypologies%5B0%5D=HR_GDETYP2020), mis à disposition par l'OFS.34:T8dd,#### Étapes du pré-traitement Le pré-traitement des données à constitué une étape importante de ce travail. Le code Python ayant été écrit pour la procédure de pré-traitement est accessible sur [Github](https://github.com/ameliemcc/data-cleaning-visualisation-de-donnees/blob/main/README.md).
Les étapes suivantes ont été nécessaires : 1. **Sélection des communes francophones de Suisse**
Les communes appartenant aux cantons du Jura, de Genève, Neuchâtel et Vaud ont été considérées comme francophones d'office. Pour les cantons bilingues (Jura bernois dans le canton de Berne, Fribourg, Valais), j'ai extrait les communes francophones en me basant sur diverses sources citées dans le code. 2. **Préparation du set de prénoms**
Je suis partie du principe que noms de rues correspondant à un patronyme allaient contenir un prénom apparaissant dans cette liste. Les prénoms 'de', 'la', 'du', 'le', 'en' sont exclus. Ils sont en effet très rares et comme ils apparaissent souvent dans des noms de rues, ils faussent les résultats. 3. **Isolement des rues contenant un prénom **
Cette étape a été réalisée dans le but de minimiser le nombre de requête SPARQL à Wikidata, opération qui aurait été trop chronophage pour être appliquée à toutes les rues. Elle a permis de passer d'isoler 4987 contenant un prénom parmi les 44116 rues de Suisse romande. 4. **Nettoyage des noms de rues **
Les articles et préfixes (rue ', 'avenue ', 'place ', 'chemin ', 'route ', 'impasse ', etc.) ont été enlevés des noms de rues afin d'isoler les patronymes. 5. **Extraction des informations Wikidata sur les personnes dont une rue porte le nom **
Une requête SPARQL a collecté les informations relatives au genre, à la date de naissance/ de décès et l'occupation des personnes. 834 rues contenant un nom existant sur Wikidata ont ainsi été recensées. 6. **Organisation des professions en catégories plus générales**
Les professions ont été classées en catégories, partiellement reprises des catégories utilisée pour le [moteur de recherche de rues de la ville de Genève](https://noms-geographiques.app.ge.ch). La catégorie professionnelle a été ajoutée au dataset. 35:T15eb,#### Qualité des données et biais potentiels Plusieurs biais et limites doivent être signalés concernant les données utilisées et la méthodologie employée. ***Biais de complétude et de représentation sur Wikidata*
**Les données biographiques proviennent des entrées Wikidata associées aux personnalités ayant donné leur nom à une rue. Cette source présente des lacunes significatives : certaines personnes, particulièrement les figures locales ou moins documentées, ne disposent pas d'entrée dans cette base de données collaborative. Ce phénomène affecte de manière disproportionnée les femmes, qui font historiquement l'objet de moins de recherches et de documentation que les hommes, un biais bien documenté dans la littérature sur la représentation des femmes dans les bases de données collaboratives (voir notamment [Núria Ferran-Ferrer, "Wikipedia has a huge gender equality problem – here’s why it matters", _The Conversation_, mars 2025, ](https://theconversation.com/wikipedia-has-a-huge-gender-equality-problem-heres-why-it-matters-251675), ou le [Wednesday Index](https://medium.com/@OpenSexism/the-wednesday-index-one-year-of-gender-diversity-data-visualized-a6458b94d52b) qui documente ces disparités).
Une comparaison avec les données officielles illustre l'ampleur de cette sous-représentation : à Lausanne, les [chiffres officiels](https://www.lausanne.ch/portrait/cohesion-sociale/bureau-egalite/femmes-espace-public/femmes-et-espace-public-carte) font état d'au moins 25 rues portant le nom d'une femme et plus de 100 portant celui d'un homme, tandis que la méthode appliquée dans ce travail n'en a identifié que 10 et 67 respectivement. Pour la ville de Genève, l'écart est similaire : 64 femmes et 285 hommes selon les [données officielles](https://noms-geographiques.app.ge.ch/search?f%5B0%5D=sexes%3A132), contre 41 et 134 selon les résultats obtenus ici.
Cet écart considérable s'explique par plusieurs facteurs : - Ambiguïté des noms de rues : Certains noms ne fournissent pas d'informations suffisantes pour identifier la personne concernée. Par exemple le "Chemin de Valérie", commune de Pregny-Chambésy, qui "rappelle la mort d'une enfant, petite-fille du notable de Chambésy William Barbey, décédée au début du XXe siècle des suites d'une diphtérie" ([Noms géographiques du canton de Genève](https://noms-geographiques.app.ge.ch/voie/geneve/chemin-de-valerie)). - Noms collectifs ou génériques : Certaines voies sont comptabilisées comme faisant référence à une femme sans nécessairement désigner un individu spécifique (exemple : "Chemin de la Dame"). - Homonymes : La méthode automatisée peut confondre des personnes distinctes portant le même nom.
Un pré-traitement plus approfondi, incluant par exemple l'identification du genre selon le prénom ou une vérification manuelle systématique, aurait permis de quantifier plus précisément ces écarts. Dans le cadre de ce projet, le choix a été fait de privilégier la qualité des visualisations, tout en reconnaissant que les données pourraient être améliorées dans une recherche future. ***Limitations de la méthode de filtrage par prénoms*
**Le filtrage initial des rues s'est basé sur les prénoms portés par la population suisse en 2024 (63 812 prénoms selon l'OFS). Cette approche a potentiellement exclu des personnes portant des prénoms historiques peu représentés dans la population contemporaine, introduisant un biais temporel et culturel dans la sélection. ***Reproduction des catégories binaires et invisibilisations*
**Les données extraites de Wikidata ne contiennent aucune personne non-binaire, bien que cette catégorie existe dans la base de données. Cette absence reflète à la fois la sous-représentation historique des personnes non-binaires dans les sources biographiques et les limites de la documentation disponible. La méthode employée ne permet pas non plus d'identifier la présence éventuelle de personnes transgenres dans le corpus.
En structurant les visualisations autour de la dichotomie homme/femme, ce travail reproduit malgré lui une catégorisation binaire qui invisibilise une partie de la population. D'autres axes d'analyse auraient pu enrichir l'approche : l'origine nationale, l'âge au moment de la nomination, ou l'appartenance à des groupes ethniques ou racialisés. Ces dimensions, non explorées ici, constituent des pistes pour des recherches futures adoptant une perspective plus intersectionnelle. ***Absence de dimension temporelle*
**Les données de swisstopo reflètent l'état actuel de la toponymie mais ne permettent pas de retracer l'évolution historique des dénominations. L'année de nomination d'une rue n'étant pas disponible, il n'est pas possible de distinguer les tendances récentes de féminisation des noms de rues des dénominations historiques. **Conséquences pour l'interprétation
**Ces limites doivent être gardées à l'esprit lors de l'interprétation des visualisations présentées. Les chiffres avancés constituent des estimations basses de la présence féminine dans la toponymie et ne peuvent prétendre à l'exhaustivité. Ils permettent néanmoins de mettre en évidence des tendances générales et des déséquilibres de représentation significatifs. Les visualisations doivent être comprises comme des outils exploratoires permettant d'initier une réflexion critique sur la mémoire collective et la visibilité des femmes dans l'espace public, plutôt que comme des inventaires définitifs.36:Te98,La première visualisation de données présentée ci-dessous est une carte choroplèthe interactive de la Suisse romande. Elle représente le pourcentage de patro-toponymes selon le genre, permettant une vision globale des disparités géographiques. #### Choix de la visualisation et des interactions La représentation cartographique a été privilégiée pour sa capacité à révéler les variations géographiques et à mettre en évidence les différences entre communes. Le choix de ne représenter que la Suisse romande permet une lecture plus focalisée et une apparence épurée de la carte. Les couleurs vert foncé pour les hommes et orange pour les femmes ont été adoptées dans l'ensemble du travail afin de garantir une continuité visuelle. Trois possibilités d'interaction ont été mises en place : 1. Choix de la métrique à visualiser : l'utilisateur·ice peut choisir d'observer plutôt la représentation féminine ou plutôt masculine parmi les rues, ou encore le "score de parité", permettant de mettre en valeur les communes où la parité odonymique est la plus présente. 2. Sélection du minimum de rues avec patro-toponyme à visualiser : Cette interaction me semble cruciale pour la lisibilité de la carte. En effet, sur les 604 communes observées, 452 ne contiennent aucune rue faisant référence à une personne, et seulement 30 en contiennent au moins 5. Le slider permet donc à l'utilisateur·ice de mitiger les résultats apparaissants, selon un critère modifiable. 3. Clic sur les communes : Au clic, les nombres exacts correspondant à la couleur attribuée à la commune sont affichés. #### Ce que permet de révéler cette visualisation Cette carte invite à la formulation d'hypothèses et de questions. Au-delà du constat attendu de la sur-représentation masculine parmi les patro-toponymes (parmi les communes comptant au moins 4 patro-toponymes, aucune n'atteint une représentation 50/50) , elle met en évidence plusieurs phénomènes. La rareté des patro-toponymes apparaît clairement : les communes comptant des rues portant un patronyme sont minoritaires et semblent majoritairement urbaines, suggérant que cette pratique de dénomination est un phénomène caractéristique des zones urbains. Ces résultats invitent à questionner les facteurs locaux (politiques mémorielles municipales, taille de la commune, périodes d'urbanisation) susceptibles d'influencer ces différences. Les communes présentant un score de parité plus élevé apparaissent clairement, permettant d'identifier des cas d'étude potentiels pour comprendre les dynamiques favorisant une représentation plus équilibrée. #### Ce que ne permet pas de révéler cette visualisation Cette visualisation présente plusieurs limites importantes. Elle ne permet pas d'identifier les variables déterminant un score de parité plus équitable : pourquoi certaines communes font-elles exception ? S'agit-il de résultats de projets récents (comme à Genève ou à Lausanne), de contextes historiques particuliers, ou d'autres facteurs ? De plus, la visualisation ne permet pas de situer les patro-toponymes dans le contexte de l'ensemble des rues de chaque commune. Une commune comportant 4 rues dont 3 sont des patronymes devrait-elle être considérée de la même manière qu'une commune en comportant 400 ? Cette absence de mise en perspective peut conduire à des biais d'interprétation, en accordant le même poids visuel à des situations très différentes. Enfin, l'absence de dimension historique ne permet pas de distinguer les communes ayant toujours pratiqué une dénomination équilibrée de celles ayant récemment entrepris des politiques de féminisation de l'espace public.37:T264a,{ const container = html`

`; yield container; const bounds = L.latLngBounds( [45.8, 5.4], [47.6, 8.1] ); const map = L.map(container, { zoom: 9, minZoom: 9, maxZoom: 12, maxBounds: bounds, zoomControl: true, scrollWheelZoom: true }); map.fitBounds(bounds, { padding: [50, 50] }); const statsMap = new Map(communesStats.map(d => [d.COM_FOSNR, d])); function getColor(value, metric) { if (value === null || value === undefined) return '#dfdfdf'; if (metric === "pct_feminin_patronymes") { if (value === 0) return '#ffffff'; // blanc pour 0% féminin return value > 87.5 ? '#D84315' : value > 75 ? '#F4511E' : value > 62.5 ? '#FF6F00' : value > 50 ? '#FF9800' : value > 37.5 ? '#FFB74D' : value > 25 ? '#FFCC80' : value > 12.5 ? '#FFE0B2' : value > 0 ? '#FFF3E0' : '#DFDFDF'; } else if (metric === "pct_masculin_patronymes") { if (value === 0) return '#ffffff'; return value > 87.5 ? '#1B5E20' : value > 75 ? '#2E7D32' : value > 62.5 ? '#43A047' : value > 50 ? '#66BB6A' : value > 37.5 ? '#81C784' : value > 25 ? '#A5D6A7' : value > 12.5 ? '#C8E6C9' : value > 0 ? '#E8F5E9' : '#DFDFDF'; } else { // score_parite return value > 88.9 ? '#D84315' : value > 77.8 ? '#F4511E' : value > 66.7 ? '#FF6F00' : value > 55.6 ? '#FF9800' : value > 44.4 ? '#FDD835' : // JAUNE = parité value > 33.3 ? '#9CCC65' : value > 22.2 ? '#66BB6A' : value > 11.1 ? '#43A047' : value > 0 ? '#2E7D32' : '#DFDFDF'; } } const filteredFeatures = communes_geo.features.filter(feature => { const ofs = feature.properties.GDENR; const stats = statsMap.get(ofs); if (stats && CANTONS_ROMANDS_COMPLETS.includes(stats.COM_CANTON)) { return true; } if (COMMUNES_ROMANDES_OFS.has(ofs)) { return true; } return false; }); L.geoJSON( { type: "FeatureCollection", features: filteredFeatures }, { style: function(feature) { const stats = statsMap.get(feature.properties.GDENR); const hasEnoughData = stats && stats.rues_avec_patronyme >= seuil_leaflet; const value = hasEnoughData ? stats[metrique_leaflet] : null; return { fillColor: getColor(value, metrique_leaflet), weight: 1, opacity: 1, color: '#ffffff', fillOpacity: 1 }; }, onEachFeature: function(feature, layer) { const ofs = feature.properties.GDENR; const stats = statsMap.get(ofs); const communeName = feature.properties.GDENAME; const canton = feature.properties.KTKZ; // commune + canton if (!stats || stats.rues_avec_patronyme < seuil_leaflet) { const popupContent = `

${communeName}

${canton}

`; layer.bindPopup(popupContent, { maxWidth: 220, className: "custom-popup" }); return; } // commune + canton + statistiques const popupContent = `

${communeName}

${canton}

Total rues ${stats.total_rues}

Avec patronyme ${stats.rues_avec_patronyme}

Féminins ${stats.feminins} (${stats.pct_feminin_patronymes.toFixed(1)}%)

Masculins ${stats.masculins} (${stats.pct_masculin_patronymes.toFixed(1)}%)

SCORE DE PARITÉ

${stats.score_parite === null ? "—" : stats.score_parite.toFixed(1)}

`; layer.bindPopup(popupContent, { maxWidth: 250, className: "custom-popup" }); layer.on("mouseover", e => { e.target.setStyle({ weight: 2, color: "#454545" }); if (!L.Browser.ie && !L.Browser.opera && !L.Browser.edge) { e.target.bringToFront(); } }); layer.on("mouseout", e => { e.target.setStyle({ weight: 1, color: "#ffffff", fillOpacity: 1 }); }); } } ).addTo(map); setTimeout(() => map.invalidateSize(), 100); const legendTitles = { pct_feminin_patronymes: "Part de patro-toponyme féminin (%)", pct_masculin_patronymes: "Part de patro-toponyme masculins (%)", score_parite: "Score de parité" }; const colorScales = { pct_feminin_patronymes: [ { min: 87.5, color: '#D84315', label: '> 87.5%' }, { min: 75, color: '#F4511E', label: '75 – 87.5%' }, { min: 62.5, color: '#FF6F00', label: '62.5 – 75%' }, { min: 50, color: '#FF9800', label: '50 – 62.5%' }, { min: 37.5, color: '#FFB74D', label: '37.5 – 50%' }, { min: 25, color: '#FFCC80', label: '25 – 37.5%' }, { min: 12.5, color: '#FFE0B2', label: '12.5 – 25%' }, { min: 0.01, color: '#FFF3E0', label: '0.01 – 12.5%' }, { min: 0, color: '#ffffff', label: '0% (aucune femme)' }, { min: -1, color: '#DFDFDF', label: 'Hors sélection' } ], pct_masculin_patronymes: [ { min: 87.5, color: '#1B5E20', label: '> 87.5%' }, { min: 75, color: '#2E7D32', label: '75 – 87.5%' }, { min: 62.5, color: '#43A047', label: '62.5 – 75%' }, { min: 50, color: '#66BB6A', label: '50 – 62.5%' }, { min: 37.5, color: '#81C784', label: '37.5 – 50%' }, { min: 25, color: '#A5D6A7', label: '25 – 37.5%' }, { min: 12.5, color: '#C8E6C9', label: '12.5 – 25%' }, { min: 0.01, color: '#E8F5E9', label: '0.01 – 12.5%' }, { min: 0, color: '#ffffff', label: '0% (aucun homme)' }, { min: -1, color: '#DFDFDF', label: 'Hors sélection' } ], score_parite: [ { min: 88.9, color: '#D84315', label: 'Très forte majorité féminine (>88.9%)' }, { min: 77.8, color: '#F4511E', label: 'Forte majorité féminine (77.8-88.9%)' }, { min: 66.7, color: '#FF6F00', label: 'Majorité féminine (66.7-77.8%)' }, { min: 55.6, color: '#FF9800', label: 'Tendance féminine (55.6-66.7%)' }, { min: 44.4, color: '#FDD835', label: 'Parité (44.4-55.6%)' }, { min: 33.3, color: '#9CCC65', label: 'Tendance masculine (33.3-44.4%)' }, { min: 22.2, color: '#66BB6A', label: 'Majorité masculine (22.2-33.3%)' }, { min: 11.1, color: '#43A047', label: 'Forte majorité masculine (11.1-22.2%)' }, { min: 0, color: '#2E7D32', label: 'Très forte majorité masculine (<11.1%)' }, { min: -1, color: '#DFDFDF', label: 'Hors sélection' } ] }; function createLegend(metrique_leaflet) { const legend = L.control({ position: 'topleft' }); legend.onAdd = function () { const div = L.DomUtil.create('div', 'info legend'); const scale = colorScales[metrique_leaflet]; const title = legendTitles[metrique_leaflet]; div.innerHTML = ` ${title} ${metrique_leaflet === "score_parite" ? `

` : `

Pourcentage

` } ${scale.map(d => `

${d.label}

`).join('')} `; return div; }; return legend; } { if (window.currentLegend) { map.removeControl(window.currentLegend); } window.currentLegend = createLegend(metrique_leaflet); window.currentLegend.addTo(map); } return container; } // Cette visualisation a partiellement été générée à l'aide de claude.ai (couleurs et mise en forme du HTML).38:Tf55,La deuxième visualisation propose un diagramme en barres présentant la moyenne du pourcentage de patro-toponymes féminins et masculins selon la typologie des communes (rurale, intermédiaire, urbaine). Une interaction permet de basculer entre la visualisation des patronymes masculins et féminins. Seules les communes comportant au moins un patro-toponyme sont prises en compte dans ce calcul. #### Choix de la visualisation et des interactions Le diagramme en barres a été retenu pour sa capacité à faciliter la comparaison entre les trois typologies de communes. Cette visualisation répond en partie aux questions soulevées par la carte précédente concernant les facteurs influençant la répartition des patro-toponymes. L'interaction permettant de basculer entre patronymes féminins et masculins offre une lecture comparative. Les barres sont accompagnées d'informations statistiques (moyenne, médiane, écart-type et nombre de communes concernées) qui contextualisent les résultats et permettent d'évaluer la robustesse des observations. Les couleurs orange et vert foncé sont reprises pour maintenir la cohérence visuelle avec la carte précédente. Au survol de chaque barre, les statistiques détaillées apparaissent, permettant une lecture précise au-delà de la simple hauteur des barres. #### Ce que permet de révéler cette visualisation Cette visualisation confirme et précise l'hypothèse formulée lors de l'observation de la carte : le caractère urbain de la commune constitue un facteur déterminant dans la répartition genrée des patro-toponymes. Parmi les communes disposant d'au moins un patronyme, la présence féminine augmente progressivement selon le gradient d'urbanisation : 2,9% en moyenne dans les communes rurales (N=34), 7,5% dans les communes intermédiaires (N=49), et 11,6% dans les communes urbaines (N=68). Les médianes à 0,0% pour tous les contextes féminins contrastent avec des médianes à 100,0% pour tous les contextes masculins, révélant que dans la majorité des communes, même urbaines, les patronymes sont exclusivement masculins. Les écarts-types élevés (jusqu'à 25,6 pour les zones urbaines masculines) témoignent d'une grande hétérogénéité au sein de chaque catégorie, suggérant que certaines communes font exception à cette tendance générale. Il est également remarquable que seules 151 communes sur les 601 analysées (25%) comportent au moins un patronyme, ce qui confirme le caractère minoritaire de cette pratique de dénomination en Suisse romande. #### Ce que ne permet pas de révéler cette visualisation Bien que cette visualisation identifie le facteur urbain comme déterminant et quantifie précisément les écarts de représentation, elle ne permet pas d'en expliquer les mécanismes sous-jacents. Plusieurs hypothèses peuvent être formulées sans pouvoir être tranchées : s'agit-il d'une différence dans les traditions de commémoration (les centres urbains ayant peut-être une plus grande tendance à rendre hommages aux personnalités locales), d'un effet du nombre de rues (les communes urbaines disposant mécaniquement de davantage de rues à nommer), ou de l'influence de politiques récentes de féminisation de l'espace public, plus probables dans les grandes villes ? La visualisation ne permet pas non plus de situer ces pratiques dans leur contexte historique : les 11,6% de patronymes féminins en zone urbaine résultent-ils d'une présence historique constante ou d'initiatives récentes ? Le biais méthodologique lié à Wikidata doit également être rappelé : il est possible que les personnes ayant donné leur nom à une rue en zone rurale soient moins documentées dans cette base de données collaborative, conduisant à une sous-estimation systématique de leur présence, particulièrement pour les femmes dont la documentation historique est généralement plus lacunaire.39:T624,// option additionner les barres (femmes et hommes dans la meme barre) // option pourcentage /nombre absolu Plot.plot({ width: 800, height: 400, marginLeft: 200, x: { label: metrique === "pct_feminin_patronymes" ? "Moyenne du % de patronymes féminins" : "Moyenne du % de patronymes masculins", domain: [0, 100], grid: true }, y: { label: null, domain: ["Rural", "Intermédiaire", "Urbain"] }, marks: [ Plot.ruleX([50], {stroke: "#999", strokeDasharray: "4,4"}), Plot.barX( Array.from(statsParType, ([type, stats]) => ({type, ...stats})), { y: "type", x: "moyenne", fill: d => ({ Urbain: "#6C83B5", Intermédiaire: "#C4A484", Rural: "#8FB996" })[d.type], tip: true, title: d => `${d.type} Moyenne: ${d.moyenne.toFixed(1)}% Médiane: ${d.mediane.toFixed(1)}% Écart-type: ${d.ecartType.toFixed(1)} N = ${d.n} communes` } ), Plot.ruleX( Array.from(statsParType, ([type, stats]) => ({ type, min: stats.moyenne - stats.ecartType, max: stats.moyenne + stats.ecartType })), { y: "type", x1: "min", x2: "max", stroke: "black", strokeWidth: 2 } ), Plot.text( Array.from(statsParType, ([type, stats]) => ({type, ...stats})), { y: "type", x: d => d.moyenne + d.ecartType + 2, text: d => `n=${d.n}`, fontSize: 11, fill: "#666" } ) ] })3a:T12f8,La troisième visualisation propose un diagramme en barres divergentes présentant la répartition des catégories professionnelles parmi les patronymes féminins et masculins. Elle permet une comparaison de la représentation de chaque catégorie selon le genre. #### Choix de la visualisation et des interactions Le diagramme en barres divergentes a été choisi pour sa capacité à mettre en évidence les asymétries de représentation entre les genres au sein de chaque catégorie professionnelle. Trois interactions enrichissent l'exploration des données: - Possibilité de trier les catégories selon leur importance relative chez les femmes ou chez les hommes, révélant ainsi les priorités de commémoration propres à chaque genre. - Option vue en effectifs absolus ou vue en pourcentages au sein de chaque genre, offrant soit une lecture de la représentation quantitative, soit une vision de la distribution proportionnelle des domaines d'activité. - Choix entre deux méthodes de comptage : "Toutes les catégories" compte chaque catégorie professionnelle associée à une personne, ce qui signifie qu'un individu ayant exercé plusieurs activités (par exemple écrivaine et militante politique) est comptabilisé dans plusieurs catégories ; "Catégorie principale uniquement" ne retient que la première catégorie mentionnée dans Wikidata (souvent la plus caractéristique de la personne) pour chaque personne, évitant ainsi de compter une personne plusieurs fois. #### Ce que permet de révéler cette visualisation Cette visualisation met en évidence que les représentations professionnelles dans les patro-toponymes sont fortement genrées. Lorsque les catégories sont triées selon la représentation féminine, les trois domaines où les femmes sont le plus présentes apparaissent clairement : "Littérature, écriture", "Éducation, recherche, savoir" et "Arts visuels". Cela suggère que certains domaines intellectuels ont offert aux femmes des espaces de reconnaissance plus accessibles, même si elles y restent minoritaires en effectifs absolus. La vue en effectifs absolus et où toutes les catégories sont prises en compte fait ressortir la catégorie "Politique, administration", où les hommes sont très largement surreprésentés. Ce phénomène pourrait s'explique en partie par l'accès tardif des femmes à la sphère politique en Suisse (droit de vote fédéral obtenu en 1971), mais aussi par l'importance du pouvoir politique dans la construction des figures historiques masculines. Les catégories "Exploration, voyage", "Agriculture, monde rural", "Économie, affaires" et "Artisanat, métiers manuels" présentent une représentation féminine quasi inexistante, témoignant de domaines où les femmes ont été historiquement exclues ou dont les contributions n'ont pas été jugées dignes de commémoration via un patro-toponyme. #### Ce que ne permet pas de révéler cette visualisation Cette visualisation présente plusieurs limites importantes. L'absence de dimension temporelle ne permet pas de distinguer les évolutions historiques : Est-ce que la sous-représentation des femmes en politique reflète uniquement leur exclusion historique, ou est-ce qu'ellepersiste malgré des politiques récentes de féminisation et un accès plus large à la sphère politique pour les femmes ? Le regroupement en catégories générales efface la diversité des professions individuelles. Des métiers très spécifiques (sténographe, écologiste, humoriste,...) ont été assignés à des catégories qui ne peuvent véritablement les contenir, ce qui appauvri la richesse des données initiales. Cette classification implique également des choix subjectifs : une femme ayant été à la fois écrivaine et militante politique a dû être assignée à une catégorie principale, choix qui reflète les biais de la documentation Wikidata plutôt qu'une réalité objective de parcours souvent multiples. La visualisation ne permet pas non plus de quantifier systématiquement si les hommes ont tendance à avoir des profils professionnels plus diversifiés que les femmes, ce qui révélerait un biais de documentation où les parcours masculins sont décrits de manière plus exhaustive. Bien que l'option "Catégorie principale uniquement" permette d'éviter le double comptage, elle ne retient que la première catégorie mentionnée dans Wikidata, ce qui peut ne pas correspondre à l'activité la plus significative de la personne. De plus, cette visualisation ne prend pas en compte les rues portant des noms de métiers traditionnellement féminins sans patronyme spécifique (par exemple "Parc des Lavandières"), qui relèvent pourtant d'une volonté de féminisation de l'espace public mais ont été exclues de l'analyse par la méthode de collecte centrée sur les patronymes.3b:T516,### Conclusion Ce travail a proposé une exploration visuelle de la représentation genrée dans la toponymie de Suisse romande, révélant un déséquilibre systématique en défaveur des femmes à travers trois axes d'analyse. La carte choroplèthe a mis en évidence la rareté des patro-toponymes et leur concentration urbaine, puis l'analyse par typologie de communes a confirmé le caractère déterminant du degré d'urbanisation dans la présence de patronymes, avec une féminisation légèrement plus marquée en zone urbaine (11,6%) qu'en zone rurale (2,9%). La visualisation des catégories professionnelles a révélé entre autres que la sphère politique est largement dominée par les figures masculines. Ces visualisations interrogent les mécanismes de reconnaissance et de valorisation des contributions des femmes à l'histoire collective. Les limites méthodologiques identifiées, comme la sous-représentation des femmes dans Wikidata, l'invisibilisation de certaines professions, et l'absence de dimension temporelle, soulignent la nécessité d'approfondir cette recherche par des analyses qualitatives plus approfondies. Ce travail constitue néanmoins un outil exploratoire, qui permet d'initier la réflexion sur la mémoire collective transmise par l'espace public romand.3c:T87f,## Sources ### Références - Ville de Lausanne. (2022). *Femmes et espace public*. URL : https://www.lausanne.ch/portrait/cohesion-sociale/bureau-egalite/femmes-espace-public/ - L'Escouade. (2019). *Projet 100Elles**. URL : https://lescouade.ch/ - Ville de Genève. *Moteur de recherche de rues*. URL : https://noms-geographiques.app.ge.ch/ - Récapitulatif des lieux féminisés en ville de Lausanne (état au 7 juillet 2025), Ville de Lausanne, URL : https://www.lausanne.ch/dam/jcr:643fac91-9c96-4cbd-8023-d2c264d44d59/Liste-des-lieux-concernes-par-un-changement-de-nom-07-2025.pdf - Noms géographiques du canton de Genève, URL : https://noms-geographiques.app.ge.ch - République et canton de Genève. (2024). *Féminisation des noms de voie : Une volée de noms de femmes*. https://www.geneve.ch/actualites/feminisation-noms-volee - *The Wednesday Index: One year of gender diversity data, visualized*. Open Sexism Project. URL : https://medium.com/@OpenSexism/the-wednesday-index-one-year-of-gender-diversity-data-visualized-a6458b94d52b - Núria Ferran-Ferrer (2025, 7 mars). Wikipedia has a huge gender equality problem. Here's why it matters. *The Conversation*. URL : https://theconversation.com/wikipedia-has-a-huge-gender-equality-problem-heres-why-it-matters-251675 ### Sources des données - Office fédéral de topographie swisstopo. *Répertoire officiel des rues, routes, chemins, ruelles, places et lieux*. URL : https://www.swisstopo.admin.ch/fr/repertoire-officiel-des-rues - Wikidata. *Base de données collaborative structurée*. URL : https://www.wikidata.org/ - Office fédéral de la statistique. *Prénoms de la population selon le sexe*. URL : https://www.bfs.admin.ch/bfs/fr/home/statistiques/population/naissances-deces/noms-suisse.assetdetail.36062343.html - Office fédéral de la statistique. _Niveaux géographiques (2026)_. URL : https://www.agvchapp.bfs.admin.ch/fr/typologies/results?SnapshotDate=01.01.2026&SelectedTypologies%5B0%5D=HR_GDETYP2020 - Office fédéral de la statistique. _Géometries - Visualisation et téléchargement_ (2025). URL : https://www.agvchapp.bfs.admin.ch/fr/boundaries?SnapshotDate=06.04.2025&Unit=Communes3d:Ta04, communesStats = (() => { // Grouper par commune avec d3.rollup const grouped = d3.rollup( data, // Fonction d'agrégation pour chaque commune v => { const total_rues = v.length; // Filtrer les rues avec patronyme const avecPatronyme = v.filter(d => d.contient_patronyme === true || d.contient_patronyme === "True" || d.contient_patronyme === "true" ); const rues_avec_patronyme = avecPatronyme.length; const sans_patronyme = total_rues - rues_avec_patronyme; // Compter par genre const feminins = avecPatronyme.filter(d => d.genre && d.genre.toLowerCase() === "féminin" ).length; const masculins = avecPatronyme.filter(d => d.genre && d.genre.toLowerCase() === "masculin" ).length; const autres = rues_avec_patronyme - feminins - masculins; // Calculs des pourcentages const pct_feminin = total_rues > 0 ? (feminins / total_rues * 100) : 0; const pct_masculin = total_rues > 0 ? (masculins / total_rues * 100) : 0; const pct_sans_patronyme = total_rues > 0 ? (sans_patronyme / total_rues * 100) : 0; // Pourcentages sur les patronymes uniquement const pct_feminin_patronymes = rues_avec_patronyme > 0 ? (feminins / rues_avec_patronyme * 100) : 0; const pct_masculin_patronymes = rues_avec_patronyme > 0 ? (masculins / rues_avec_patronyme * 100) : 0; // Ratio F/M const ratio_fm = masculins > 0 ? feminins / masculins : (feminins > 0 ? Infinity : 0); const score_parite = rues_avec_patronyme === 0 ? null : pct_feminin_patronymes; return { total_rues, rues_avec_patronyme, sans_patronyme, feminins, masculins, autres, pct_feminin, pct_masculin, pct_sans_patronyme, pct_feminin_patronymes, pct_masculin_patronymes, ratio_fm, score_parite }; }, // Clés de groupement d => d.COM_FOSNR ); // Convertir en array et ajouter les infos de commune return Array.from(grouped, ([fosnr, stats]) => { // Récupérer les infos de la première rue de cette commune const commune_info = data.find(d => d.COM_FOSNR === fosnr); return { COM_FOSNR: fosnr, COM_NAME: commune_info.COM_NAME, COM_CANTON: commune_info.COM_CANTON, ...stats }; }).sort((a, b) => b.total_rues - a.total_rues); // Trier par nb de rues })() 3e:T436,categoriesMetierPrettier = { const nomsCategories = { "Politique_et_administration": "Politique, administration", "Litterature_et_ecriture": "Littérature, écriture", "Education_recherche_savoir": "Éducation, recherche, savoir", "Arts_visuels": "Arts visuels", "Sciences_humaines_et_sociales": "Sciences humaines et sociales", "Sciences_exactes_et_ingenierie": "Sciences exactes et ingénierie", "Droit_justice": "Droit, justice", "Sciences_de_la_nature_et_terre": "Sciences de la nature et de la terre", "Communication_medias_journalisme": "Communication, médias, journalisme", "Religion_spiritualite": "Religion, spiritualité", "Theatre_cinema_spectacle" : "Théâtre, cinéma, spectacle", "Economie_affaires" : "Économie, affaires", "Artisanat_metiers_manuels": "Artisanat, métiers manuels", "Architecture_urbanisme" : "Architecture, urbanisme", "Medecine_sante": "Médecine, santé", "Agriculture_monde_rural": "Agriculture, monde rural", "Exploration_voyage": "Exploration, voyage" }; return nomsCategories }3f:[{"id":"64fcf2b32e4bde4810296617c2686e4d4bed24ec220f5f6bd205e5e80b486f83082ad255b6da20ddf88cf4b15c56ec8ae5142e8dde54c3ba61e00f93e758be0f","href":"https://static.observableusercontent.com/files/64fcf2b32e4bde4810296617c2686e4d4bed24ec220f5f6bd205e5e80b486f83082ad255b6da20ddf88cf4b15c56ec8ae5142e8dde54c3ba61e00f93e758be0f","name":"boundaries_communes.geojson","type":"application/geo+json","lastModified":1767621506150.508,"size":1469945},{"id":"7e2cc7d297a37d9836d4d8ed393a93c175f73370289cff30e57905a89d2816660302c92b9192876f4c98e765bcc043799213984d5201fba17a8b22c04f168e8a","href":"https://static.observableusercontent.com/files/7e2cc7d297a37d9836d4d8ed393a93c175f73370289cff30e57905a89d2816660302c92b9192876f4c98e765bcc043799213984d5201fba17a8b22c04f168e8a","name":"rues_romandie.csv","type":"text/csv","lastModified":1768224783487.633,"size":4205243},{"id":"36628a49d83e732e8b54966361e1618d2ae21169ee9331b62779cfafa76b9bf888b3c3ae35ff9844ce4cc7aa5b3f1a248ccd4ac357d1798e1b8cf4c3a58e2e51","href":"https://static.observableusercontent.com/files/36628a49d83e732e8b54966361e1618d2ae21169ee9331b62779cfafa76b9bf888b3c3ae35ff9844ce4cc7aa5b3f1a248ccd4ac357d1798e1b8cf4c3a58e2e51","name":"niveaux-geographiques-types.csv","type":"text/csv","lastModified":1768313401517.118,"size":50875}] 2f:{"title":"Patro-toponymes genrés dans l'espace public romand","cells":[{"id":44,"value":"# Patro-toponymes genrés dans l'espace public romand","pinned":false,"hidden":false,"mode":"md"},{"id":41,"value":"- Visualisation de données, master ISH, UNIL\n- Professeur : Isaac Pante\n- Cours suivi au SP2024, validation pour la session de janvier 2026\n- Autrice : Amélie McCormick","pinned":false,"hidden":false,"mode":"md"},{"id":1787,"value":"---","pinned":false,"hidden":false,"mode":"md"},{"id":1377,"value":"$31","pinned":false,"hidden":false,"mode":"html"},{"id":49,"value":"## Introduction\nCe projet a été développé dans le contexte du cours \"Visualisations de données\", dispensé par le Prof. Isaac Pante à l'UNIL.
\nIl propose de quantifier les disparités de genre dans la toponymie suisse romande, et a pour but de visibiliser l'effacement des femmes dans l'espace public.
\nLa base de connaissances Wikidata a été centrale à l'identification de personnes ayant donné leur nom à des rues. L'utilisation de cette base a donné lieu à plusieurs biais, qui seront détaillés au cours de ce travail. \nIl s'agit ainsi d'un projet exploratoire, qui a pour but de transmettre un récit visuel permettant aux lecteurs·ices de se questionner sur les odonymes qui nous entourent. ","pinned":false,"hidden":false,"mode":"md"},{"id":51,"value":"$32","pinned":false,"hidden":false,"mode":"md"},{"id":1372,"value":"### Public cible\nCette série de visualisations est pensée comme un outil pouvant être d'intéret pour plusieurs profils.\n- Chercheurs·euses en géographie sociale et études de genre, pour qui ces visualisations peuvent servir d'entrée en matière à une analyse plus approfondie des dynamiques de représentation du genre dans l'espace.\n- Acteurs·ices politiques et membres de conseils municipaux souhaitant se renseigner sur l'état actuel de la sous-représentation des femmes dans la toponymie urbaine. Les visualisations peuvent notamment servir d'outil pour justifier des initiatives visant à introduire davantage d'odonymes féminins dans l'espace public.\n- Associations féministes et/ou de quartier travaillant sur les questions d'égalité et de visibilité des femmes dans l'espace public. Mettre en lumière l'absence constitue en effet une manière d'initier la discussion autour de ce sujet, avant d'engager une réflexion plus approfondie sur les moyens et les raisons de faire évoluer la situation.","pinned":false,"hidden":false,"mode":"md"},{"id":1364,"value":"$33","pinned":false,"hidden":false,"mode":"md"},{"id":1367,"value":"$34","pinned":false,"hidden":false,"mode":"md"},{"id":86,"value":"$35","pinned":false,"hidden":false,"mode":"md"},{"id":58,"value":"## 1. Part de patro-toponymes par commune","pinned":false,"hidden":false,"mode":"md"},{"id":1878,"value":"$36","pinned":false,"hidden":false,"mode":"md"},{"id":1405,"value":"### Part des patro-toponymes féminins et masculins par commune de Suisse romande","pinned":false,"hidden":false,"mode":"md"},{"id":137,"value":"viewof metrique_leaflet = Inputs.select(\n [\"pct_feminin_patronymes\", \"pct_masculin_patronymes\", \"score_parite\"],\n {\n label: \"Métrique à visualiser\",\n value: \"pct_feminin_patronymes\",\n format: x => ({\n pct_feminin_patronymes: \"% Rues avec patro-toponyme féminin\",\n pct_masculin_patronymes: \"% Rues avec patro-toponyme masculin\",\n score_parite: \"Score de parité\"\n }[x])\n }\n \n)\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":140,"value":"viewof seuil_leaflet = Inputs.range([1, 50], {\n label: \"Minimum de rues avec patro-toponyme\",\n value: 5,\n step: 1\n})","pinned":false,"hidden":false,"mode":"ojs"},{"id":2001,"value":"$37","pinned":false,"hidden":false,"mode":"ojs"},{"id":1413,"value":"## 2. Répartition selon la typologie de la commune","pinned":false,"hidden":false,"mode":"md"},{"id":2016,"value":"$38","pinned":false,"hidden":false,"mode":"md"},{"id":2025,"value":"### Répartition genrée des patronymes selon la typologie des communes","pinned":false,"hidden":false,"mode":"md"},{"id":1342,"value":"html`

\n Afficher la répartition des \n ${viewof metrique}\n

`","pinned":false,"hidden":false,"mode":"ojs"},{"id":1319,"value":"$39","pinned":false,"hidden":false,"mode":"ojs"},{"id":1408,"value":"## 3. Catégories professionnelles représentées","pinned":false,"hidden":false,"mode":"md"},{"id":2234,"value":"$3a","pinned":false,"hidden":false,"mode":"md"},{"id":2232,"value":"### Répartition des catégories professionnelles selon le genre parmi les patro-toponymes de Suisse romande ","pinned":false,"hidden":false,"mode":"md"},{"id":801,"value":"html`

\n Trier dans l'ordre des catégories les plus fréquentes chez les\n ${viewof tri}\n

`","pinned":false,"hidden":false,"mode":"ojs"},{"id":807,"value":"html`

\n Afficher le graphique en\n ${viewof modeValeur}\n

`","pinned":false,"hidden":false,"mode":"ojs"},{"id":2169,"value":"html`

\n Méthode de comptage\n ${viewof methodeComptage}\n

`","pinned":false,"hidden":false,"mode":"ojs"},{"id":789,"value":"Plot.plot({\n width: 800,\n height: 600,\n marginLeft: 180,\n\n x: axeX,\n y: {\n label: null,\n domain: ordreCategoriesAffiche\n },\n color: {\n domain: [\"Femmes\", \"Hommes\"],\n range: [\"#E65100\", \"#1B5E20\"],\n legend: true\n },\n marks: [\n Plot.barX(donneesAffichage, {\n x: \"x\",\n y: \"categorieAffichee\",\n fill: \"genre\",\n inset: 3,\ntitle : d => `${d.count} personnes (${(d.pct).toFixed(2)}%)`}),\n Plot.ruleX([0])\n ],\n tooltip: {\n stroke: \"black\",\n r: 8,\n \"stroke-width\": \"3px\",\n opacity : 0.5\n }\n})\n\n// Claude.ai a été utilisé pour poser les bases de cette visualisation : https://claude.ai/share/751692d2-3069-4123-8905-76deced46df3\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":2490,"value":"$3b","pinned":false,"hidden":false,"mode":"md"},{"id":71,"value":"$3c","pinned":false,"hidden":false,"mode":"md"},{"id":2486,"value":"## Dataset principal utilisé au cours de ce travail","pinned":false,"hidden":false,"mode":"md"},{"id":90,"value":"rues_romandie = await FileAttachment(\"rues_romandie.csv\").csv({typed: \"auto\"})","pinned":false,"hidden":false,"mode":"ojs"},{"id":1411,"value":"### Thématique abandonnée pour le travail final : Temporalité de vie des personnes représentées ","pinned":false,"hidden":false,"mode":"md"},{"id":1822,"value":"Cette visualisation avait pour but initial de questionner l'impact de la temporalité sur la répartition des patro-toponymes féminins et masculins. Elle a été abandonnée par manque de clarté et de cohérence, mais pourrait être améliorée dans un deuxième temps. En effet, la classification en catégories professionnelles ne fait pas beaucoup de sens ici. Un graphique contenant deux courbes représentant l'évolution en effectifs du nombre de femmes et d'hommes dont le noms a été attribué à un patro-toponyme aurait été plus intéressante.","pinned":false,"hidden":false,"mode":"md"},{"id":2467,"value":"#### Frise chronologique présentant les dates de naissance des personnes ayant donné leur nom à un patro-toponyme, par catégorie professionnelle et par genre","pinned":false,"hidden":false,"mode":"md"},{"id":1191,"value":"viewof periode = interval([1300, 2025], {\n step: 25,\n value: [1300, 2025],\n label: 'Sélectionner la période à représenter',\n})","pinned":false,"hidden":false,"mode":"ojs"},{"id":1199,"value":"// une ligne hommes une ligne femmes \nPlot.plot({\n height: 600,\n marginLeft: 210,\n width: 900,\n\n x: {\n label: \"Année de naissance\",\n domain: periode,\n grid: true\n },\n\n y: {\n domain: categoriesTimeline\n },\n\n color: {\n domain: [\"féminin\", \"masculin\"],\n range: [\"#e15759\", \"#4e79a7\"]\n },\n\n marks: [\n Plot.dot(donneesZoom, {\n x: \"naissance\",\n y: \"categorie\",\n fill: \"genre\",\n r: 3,\n opacity: 1,\n tip: {\n channels: {\n \"Nom : \": \"nom\",\n naissance: \"naissance\",\n mort: \"mort\",\n lieu: \"lieu\",\n genre: \"genre\"\n },\n format: {\n title: d => d.nom,\n body: d =>\n `${d.genre}\nNée en ${d.naissance}${d.mort ? ` – morte en ${d.mort}` : \"\"}\n${d.lieu ?? \"\"}`\n }\n }\n\n \n })\n ]\n})\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":65,"value":"## Code","pinned":false,"hidden":false,"mode":"md"},{"id":1613,"value":"### Tableau présentant l'ensemble des communes étudiées ainsi que des statistiques générales relatives à la présence de patro-toponymes","pinned":false,"hidden":false,"mode":"md"},{"id":176,"value":"Inputs.table(communesStats, {\n columns: [\n \"COM_NAME\",\n \"COM_CANTON\",\n \"total_rues\",\n \"pct_sans_patronyme\",\n \"pct_feminin_patronymes\",\n \"pct_masculin_patronymes\"\n ],\n header: {\n COM_NAME: \"Nom de la commune\",\n COM_CANTON : \"Canton\",\n total_rues : \"Nombre de rues dans la commune\",\n pct_sans_patronyme : \"% des rues ne comportant pas de patronyme\",\n pct_feminin_patronymes : \"% des rues comportant un patronyme, et qui est féminin\",\n pct_masculin_patronymes : \"% des rues comportant un patronyme, et qui est masculin\",\n },\n layout: \"auto\", \n rows: 18,\n})\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":120,"value":"data = await FileAttachment(\"rues_romandie.csv\").csv({typed: true})","pinned":false,"hidden":false,"mode":"ojs"},{"id":122,"value":"$3d","pinned":false,"hidden":false,"mode":"ojs"},{"id":124,"value":"// Statistiques globales \n\nstatsGlobales = (() => {\n const total_communes = communesStats.length;\n const total_rues = d3.sum(communesStats, d => d.total_rues);\n const total_patronymes = d3.sum(communesStats, d => d.rues_avec_patronyme);\n const total_feminins = d3.sum(communesStats, d => d.feminins);\n const total_masculins = d3.sum(communesStats, d => d.masculins);\n \n return {\n total_communes,\n total_rues,\n total_patronymes,\n total_feminins,\n total_masculins,\n pct_feminin_global: (total_feminins / total_patronymes * 100).toFixed(2),\n pct_masculin_global: (total_masculins / total_patronymes * 100).toFixed(2)\n };\n})()\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":1623,"value":"({\n sans_patronyme: communesStats.filter(d => d.rues_avec_patronyme === 0).length,\n au_moins_1: communesStats.filter(d => d.rues_avec_patronyme >= 1).length,\n au_moins_5: communesStats.filter(d => d.rues_avec_patronyme >= 5).length\n})\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":126,"value":"// STATISTIQUES PAR CANTON\n\nstatsParCanton = (() => {\n const grouped = d3.rollup(\n communesStats,\n v => ({\n nb_communes: v.length,\n total_rues: d3.sum(v, d => d.total_rues),\n rues_avec_patronyme: d3.sum(v, d => d.rues_avec_patronyme),\n feminins: d3.sum(v, d => d.feminins),\n masculins: d3.sum(v, d => d.masculins),\n pct_feminin: d3.sum(v, d => d.feminins) / d3.sum(v, d => d.rues_avec_patronyme) * 100\n }),\n d => d.COM_CANTON\n );\n \n return Array.from(grouped, ([canton, stats]) => ({\n canton,\n ...stats\n })).sort((a, b) => b.total_rues - a.total_rues);\n})()","pinned":false,"hidden":false,"mode":"ojs"},{"id":149,"value":"communes_geo = await FileAttachment(\"boundaries_communes.geojson\").json()","pinned":false,"hidden":false,"mode":"ojs"},{"id":850,"value":"### Carte","pinned":false,"hidden":false,"mode":"md"},{"id":328,"value":"CANTONS_ROMANDS_COMPLETS = ['GE', 'JU', 'NE', 'VD'];","pinned":false,"hidden":false,"mode":"ojs"},{"id":331,"value":"communes_fr_BE = [\n 681, 683, 687, 431, 432, 433, 690, 434, 691, 709, 692, 694, 435, 723,\n 708, 696, 437, 700, 724, 438, 701, 450, 716, 726, 715, 703, 441, 704,\n 442, 706, 443, 449, 707, 444, 445, 711, 713, 446, 717, 448 ];","pinned":false,"hidden":false,"mode":"ojs"},{"id":333,"value":"communes_fr_FR = [\n 2053, 2008, 2055, 2011, 2051, 2054, 2016, 2022, 2050, 2026, 2027, 2029,\n 2035, 2038, 2041, 2043, 2044, 2045, 2063, 2068, 2079, 2067, 2066, 2087,\n 2096, 2097, 2099, 2115, 2102, 2117, 2114, 2113, 2162, 2123, 2124, 2125,\n 2128, 2129, 2130, 2131, 2134, 2135, 2121, 2137, 2138, 2149, 2145, 2140,\n 2143, 2122, 2147, 2148, 2152, 2153, 2163, 2155, 2160, 2173, 2174, 2175,\n 2238, 2177, 2183, 2186, 2194, 2196, 2236, 2197, 2198, 2139, 2233, 2234,\n 2235, 2220, 2206, 2211, 2216, 2237, 2226, 2228, 2230, 2231, 2323, 2325,\n 2328, 2338, 2337, 2333, 2335, 2336 ];","pinned":false,"hidden":false,"mode":"ojs"},{"id":335,"value":"\ncommunes_fr_VS = [\n 6252, 6261, 6021, 6082, 6032, 6131, 6232, 6022, 6151, 6235, 6152, 6211,\n 6023, 6253, 6212, 6213, 6083, 6214, 6133, 6263, 6238, 6084, 6239, 6134,\n 6240, 6135, 6033, 6136, 6137, 6215, 6090, 6153, 6024, 6254, 6034, 6154,\n 6139, 6140, 6155, 6246, 6087, 6217, 6218, 6265, 6141, 6035, 6248, 6266,\n 6142, 6156, 6037, 6157, 6219, 6220, 6025, 6089, 6267, 6158, 6159 ];\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":337,"value":"\nCOMMUNES_ROMANDES_OFS = new Set([\n ...communes_fr_BE,\n ...communes_fr_FR,\n ...communes_fr_VS\n]);","pinned":false,"hidden":false,"mode":"ojs"},{"id":128,"value":"L = require(\"leaflet@1.9.4\")","pinned":false,"hidden":false,"mode":"ojs"},{"id":135,"value":"html``\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":1262,"value":"### Barchart typologie\n","pinned":false,"hidden":false,"mode":"md"},{"id":1294,"value":"typologieData = await FileAttachment(\"niveaux-geographiques-types.csv\").csv()","pinned":false,"hidden":false,"mode":"ojs"},{"id":1309,"value":"communesAvecTypologie = {\n const typologieMap = new Map(\n typologieData.map(d => [+d.COM_NO, d.TYP])\n );\n \n return communesStats\n .map(commune => ({\n ...commune,\n typologie: typologieMap.get(commune.COM_FOSNR),\n typologie_label: {\n \"1\": \"Urbain\",\n \"2\": \"Intermédiaire\", \n \"3\": \"Rural\"\n }[typologieMap.get(commune.COM_FOSNR)]\n }))\n .filter(d => d.typologie !== undefined);\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1316,"value":"/* statsParType = d3.rollup(\n communesAvecTypologie,\n v => {\n const values = v\n .map(d => d[metrique])\n .filter(d => d != null && !isNaN(d));\n\n return {\n moyenne: d3.mean(values),\n mediane: d3.median(values),\n ecartType: d3.deviation(values) ?? 0,\n n: values.length,\n min: d3.min(values),\n max: d3.max(values)\n };\n },\n d => d.typologie_label\n); */\n\nstatsParType = d3.rollup(\n communesAvecTypologie,\n v => {\nconst values = v\n .filter(d => d.rues_avec_patronyme > 0) // Filtrer les communes AVANT\n .map(d => d[metrique])\n .filter(d => d != null && !isNaN(d));\n return {\n moyenne: d3.mean(values),\n mediane: d3.median(values),\n ecartType: d3.deviation(values) ?? 0,\n n: values.length,\n min: d3.min(values),\n max: d3.max(values)\n };\n },\n d => d.typologie_label\n);","pinned":false,"hidden":false,"mode":"ojs"},{"id":854,"value":"### Graphique barres papillon","pinned":false,"hidden":false,"mode":"md"},{"id":2109,"value":"#### Toutes les catégories","pinned":false,"hidden":false,"mode":"md"},{"id":512,"value":"personnes = data.filter(d =>\n d.contient_patronyme === \"True\" &&\n d.categories &&\n (d.genre === \"féminin\" || d.genre === \"masculin\")\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":521,"value":"parCategorieGenre = personnes.flatMap(d =>\n d.categories\n .split(\",\")\n .map(c => c.trim())\n .filter(Boolean)\n .map(categorie => ({\n categorie,\n genre: d.genre\n }))\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":519,"value":"totauxParGenre = d3.rollup(\n parCategorieGenre,\n v => v.length,\n d => d.genre\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":527,"value":"comptage = d3.rollups(\n parCategorieGenre,\n v => v.length,\n d => d.categorie,\n d => d.genre\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":523,"value":"donneesPapillon = comptage.flatMap(([categorie, genres]) => {\n const femme = genres.find(d => d[0] === \"féminin\")?.[1] ?? 0\n const homme = genres.find(d => d[0] === \"masculin\")?.[1] ?? 0\n\n return [\n {\n categorie,\n genre: \"Femmes\",\n count: femme,\n pct: femme / totauxParGenre.get(\"féminin\") * 100,\n valeur: -femme / totauxParGenre.get(\"féminin\") * 100\n },\n {\n categorie,\n genre: \"Hommes\",\n count: homme,\n pct: homme / totauxParGenre.get(\"masculin\") * 100,\n valeur: homme / totauxParGenre.get(\"masculin\") * 100\n }\n ]\n})\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":2035,"value":"#### Première catégorie uniquement","pinned":false,"hidden":false,"mode":"md"},{"id":2037,"value":"parCategorieGenreUnique = personnes\n .map(d => ({\n categorie: d.categories.split(\",\")[0].trim(),\n genre: d.genre\n }))\n .filter(d => d.categorie)","pinned":false,"hidden":false,"mode":"ojs"},{"id":2040,"value":"comptageUnique = d3.rollups(\n parCategorieGenreUnique,\n v => v.length,\n d => d.categorie,\n d => d.genre\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":2042,"value":"totauxParGenreUnique = d3.rollup(\n parCategorieGenreUnique,\n v => v.length,\n d => d.genre\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":2044,"value":"donneesPapillonUnique = comptageUnique.flatMap(([categorie, genres]) => {\n const femme = genres.find(d => d[0] === \"féminin\")?.[1] ?? 0\n const homme = genres.find(d => d[0] === \"masculin\")?.[1] ?? 0\n \n return [\n {\n categorie,\n genre: \"Femmes\",\n count: femme,\n pct: femme / totauxParGenreUnique.get(\"féminin\") * 100,\n valeur: -(femme / totauxParGenreUnique.get(\"féminin\") * 100)\n },\n {\n categorie,\n genre: \"Hommes\",\n count: homme,\n pct: homme / totauxParGenreUnique.get(\"masculin\") * 100,\n valeur: homme / totauxParGenreUnique.get(\"masculin\") * 100\n }\n ]\n})","pinned":false,"hidden":false,"mode":"ojs"},{"id":2158,"value":"#### Affichage","pinned":false,"hidden":false,"mode":"md"},{"id":2055,"value":"donneesPapillonActuelles = methodeComptage === \"Toutes les catégories\" \n ? donneesPapillon \n : donneesPapillonUnique","pinned":false,"hidden":false,"mode":"ojs"},{"id":2048,"value":"viewof methodeComptage = Inputs.radio(\n [\"Toutes les catégories\", \"Catégorie principale uniquement\"],\n {\n value: \"Toutes les catégories\"\n }\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":544,"value":"viewof tri = Inputs.select(\n [\"femmes\", \"hommes\"],\n {\n value: \"femmes\"\n }\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":644,"value":"viewof modeValeur = Inputs.radio(\n [\"pourcentage\", \"effectifs\"],\n {value: \"pourcentage\"}\n)\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":581,"value":"ordreCategories = tailleParCategorie\n .sort((a, b) => d3.descending(a.score, b.score))\n .map(d => d.categorie)\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":648,"value":"axeX =\n modeValeur === \"pourcentage\"\n ? {\n label: \"Pourcentage au sein du genre (%)\",\n tickFormat: d => Math.abs(d),\n grid: true\n }\n : {\n label: \"Nombre de personnes\",\n tickFormat: d => Math.abs(d),\n grid: true\n }\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":771,"value":"$3e","pinned":false,"hidden":false,"mode":"ojs"},{"id":765,"value":"ordreCategoriesAffiche = ordreCategories.map(\n c => categoriesMetierPrettier[c] ?? c\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":775,"value":"donneesAffichage = donneesPapillonActuelles.map(d => ({\n ...d,\n categorieAffichee: categoriesMetierPrettier[d.categorie] ?? d.categorie,\n x: modeValeur === \"pourcentage\"\n ? d.valeur\n : d.genre === \"Femmes\"\n ? -d.count\n : d.count\n}))","pinned":false,"hidden":false,"mode":"ojs"},{"id":540,"value":"tailleParCategorie = Array.from(\n d3.group(donneesPapillonActuelles, d => d.categorie),\n ([categorie, values]) => {\n const genreVoulu = tri === \"femmes\" ? \"Femmes\" : \"Hommes\"\n const scoreItem = values.find(v => v.genre === genreVoulu)\n \n return {\n categorie,\n score: modeValeur === \"pourcentage\" \n ? (scoreItem?.pct ?? 0) \n : (scoreItem?.count ?? 0)\n }\n }\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":1348,"value":"### Frise chronologique","pinned":false,"hidden":false,"mode":"md"},{"id":821,"value":"import {Plot} from \"@mkfreeman/plot-tooltip\"","pinned":false,"hidden":false,"mode":"ojs"},{"id":1113,"value":"categoriesTimeline = Array.from(\n new Set(donneesTimelineNaissance.map(d => d.categorie))\n).sort()\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":1106,"value":"donneesTimelineNaissance = {\n return data\n .filter(d => d.date_naissance && d.categories)\n .flatMap(d =>\n d.categories.split(\",\").map(categorie => {\n const naissance = annee(d.date_naissance);\n const mort = annee(d.date_mort);\n\n if (naissance == null) return null;\n\n return {\n nom: d.nom_complet_extrait,\n genre: d.genre?.toLowerCase().trim(),\n categorie: categorie.trim(),\n naissance,\n mort,\n lieu: d.COM_NAME\n };\n })\n )\n .filter(d =>\n d &&\n (d.genre === \"féminin\" || d.genre === \"masculin\")\n )\n}\n\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":1123,"value":"annee = v => {\n if (v == null) return null;\n\n // cas 1 : string \"0726-01-01\"\n if (typeof v === \"string\") {\n const y = parseInt(v.slice(0, 4), 10);\n return Number.isFinite(y) ? y : null;\n }\n\n // cas 2 : objet Date\n if (v instanceof Date) {\n const y = v.getUTCFullYear();\n return Number.isFinite(y) ? y : null;\n }\n\n // cas 3 : déjà un nombre\n if (typeof v === \"number\") {\n return Number.isFinite(v) ? v : null;\n }\n\n return null;\n}\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":1197,"value":"donneesZoom = donneesTimelineNaissance.filter(d =>\n d.naissance >= periode[0] &&\n d.naissance <= periode[1]\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":1350,"value":"\nviewof metrique = Inputs.select(new Map([[\"Patronymes féminins (%)\", \"pct_feminin_patronymes\"], [\"Patronymes masculins (%)\", \"pct_masculin_patronymes\"]]))\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":1194,"value":"import {interval} from '@mootari/range-slider'\n","pinned":false,"hidden":false,"mode":"ojs"}],"files":"$W3f","stdlib":"1","titling":"auto"}