Identifier les personnes vulnérables, un enjeu d’adaptation au changement climatique

L’atténuation et l’adaptation au changement climatique ne peuvent se concevoir sans prendre en compte les populations qui occupent et possèdent ces logements. Capacité d’investissement dans la rénovation, vulnérabilité sanitaire, précarité énergétique, sont autant d’enjeux qui requièrent une connaissance croisée de la performance du bâti et des caractéristiques socio-économiques.

À ce jour, l’obtention de données socio-économiques à l’échelle du bâtiment se heurte à des contraintes légitimes de confidentialité (RGPD, secret statistique). Pour lever ce frein et accompagner les acteurs publics, la BDNB propose une prédiction probable de l’état socio-économique du ménage dans chacun de ses bâtiments à usage résidentiel.

Introduite avec le statut “expérimental” dans le millésime BDNB 2026_02.a, la table menage_prediction_socio_eco_proba fournit des prédictions probabilistes concernant les déterminants sociologiques et économiques des ménages. Elle permet de croiser la performance du bâti avec la réalité socio-économique de ses occupants. Les données sont restituées par individus et par ménages au sein d’un bâtiment.

Les prédictions socio-économiques de la BDNB en résumé

• Echelle ménage et individus
• Compatible RGPD : l’approche probabiliste garantit l’anonymat statistique (pas de ré-identification des données INSEE).
• Accès restreint : Table de statut “Expert”, réservée aux ayants droit des Fichiers Fonciers.
• Richesse thématique : niveau de vie / pauvreté, composition familiale, emploi, éducation, mobilité, sobriété immobilière…
• Permet la construction d’indicateurs croisés bâtiment / occupant : précarité énergétique (TEE_3D), vulnérabilité sanitaire, sous-occupation…
• Nomenclature alignée sur celle du recensement de l’INSEE

Usage

menage_prediction_socio_eco_proba

Chaque ligne agrège les prédictions pour les ménages occupant un segment d’habitation homogène au sein du bâtiment ( surface habitable, nombre de pièces, type de logement, HLM, locataire / propriétaire). segment_habitat_id est un identifiant fictif permettant d’identifier le segment d’habitation. Il est associé à un poids poids_menage qui compte le nombre de ménages au sein du segment d’habitat.

• Pour une maison individuelle (résidence principale), il existe un seul ménage dans le segment d’habitation.
• Pour un bâtiment collectif de 130 logements avec 120 résidences principales, dont la moitié sont des T4 de 85m² et l’autre des T3 de 55m², et qui est occupé par 1 tiers de locataires et 2 tiers de propriétaires, la table menage_prediction_socio_eco_proba se compose de 4 entrées pour ce bâtiment (et 169 colonnes):

Les données obtenues à partir des fichiers fonciers et converties dans les modalités INSEE sont reportées directement (typl, typc, stocd, surf, nbpi). Les prédictions probabilistes sont reportées modalité par modalité, agrégées aux segments d’habitation. Ex : prob_inper_2 = P(inper=2) est la probabilité que les ménages dans ce segment soient composés de 2 individus.

• Les variables TYPMR, INPER et VOIT sont relatives au ménage.
• Les variables AGER_20, GS, TRANS, DIPL, EMPL et TP sont relatives à l’individu.

La variable poids_menage indique combien de ménages sont dans le segment d’habitat. La somme des poids des ménages est égale au nombre de résidences principales dans le groupe de bâtiments.

Comparaison avec les données INSEE : agrégation des données bâtiments à la maille 200m

Exemple 1 : Compter le nombre d’habitants et leur revenu moyen à 500m d’une ligne reliant Lyon à Paris

WITH axe_transport AS (
    SELECT 
        
            ST_Transform(
                ST_GeomFromText('LINESTRING(2.3522 48.8566, 4.8357 45.7640)', 4326), 
                2154
            )
        
         AS zone_etude
)

SELECT 
    ROUND(SUM(menage.nb_individu)) AS total_habitants_proximite_axe,
    ROUND(SUM(menage.poids_menage )) AS total_menage_proximite_axe,
    ROUND(SUM(menage.nb_individu* menage.prob_gs_6)) AS total_habitants_ouvrier,
    ROUND(SUM(menage.nb_individu* menage.prob_gs_3)) AS total_habitants_cadre,
    COUNT(DISTINCT bg.batiment_groupe_id) AS nombre_batiments_concernes,
    (SUM(menage.niveau_de_vie_random *menage.poids_menage )/SUM(menage.poids_menage ))::int as niveau_de_vie_moyen
    
FROM bndb_v07.menage_prediction_socio_eco_proba AS menage
JOIN batiment_groupe AS bg 
    ON bg.code_departement_insee = menage.code_departement_insee 
    AND bg.batiment_groupe_id = menage.batiment_groupe_id 
JOIN axe_transport 
    ON st_dwithin(bg.geom_groupe, axe_transport.zone_etude,500);

Exemple 2 : Estimer le nombre d’individus vivant dans un bâtiment avec un DPE de classe F ou G à Dijon

SELECT 
    -- Individus
    SUM(menage.nb_individu)::int AS total_individus, 
    SUM(menage.nb_individu * (dpe.etiquette_dpe_initial_f + dpe.etiquette_dpe_initial_g))::int AS individus_logement_passoire, 

    -- Ménages
    SUM(menage.poids_menage)::int AS total_menages,
    SUM(menage.poids_menage * menage.prob_men_pauvre)::int AS menages_pauvres, 
    
    -- Vulnérabilité croisée
    SUM(
        menage.nb_individu * 
        menage.prob_men_pauvre * 
        (dpe.etiquette_dpe_initial_f + dpe.etiquette_dpe_initial_g)
    )::int AS individus_vulnerabilite_energetique
    
FROM bndb_v07.menage_prediction_socio_eco_proba AS menage
INNER JOIN bndb_v07.batiment_groupe AS bg 
    ON bg.code_departement_insee = menage.code_departement_insee 
    AND bg.batiment_groupe_id = menage.batiment_groupe_id 
INNER JOIN bndb_v07.batiment_groupe_simulations_dpe AS dpe
    ON bg.code_departement_insee = dpe.code_departement_insee 
    AND bg.batiment_groupe_id = dpe.batiment_groupe_id 
WHERE bg.code_commune_insee = '21231';

Fiche méthode

Prédiction des descriptions des individus et des ménages

La prédiction des données de population est réalisée par apprentissage supervisé sur les données du fichier détails individu du recensement de la population (RP INDCVI 2022 ).

Entrées et sorties du modèle

Modalités prédites

L’inférence est réalisé avec un modèle génératif tabulaire probabiliste de type transformer + VAE, entraîné sur les données individuelles du recensement. Son architecture est similaire à celui utilisé pour les prédictions des données de performances énergétiques de la BDNB.
Il reconstruit des individus cohérents statiquement (corrélations entre variables respectées) à partir d’un ensemble réduit de variables explicatives.

Prédiction du niveau de vie des ménages

La prédiction du niveau de vie des ménages s’appuie sur un modèle économétrique reliant des données relatives aux individus avec le niveau de vie de leurs ménages. Il s’agit d’un modèle linéaire généralisé : $$ \log(y) = Ax + b + \epsilon $$ avec

• $y$ le niveau de vie du ménage,
• $x$ un vecteur de variables descriptives de l’individu,
• $A$ et $b$ des paramètres du modèle,
• $\epsilon$ le résidu du modèle, qu’on suppose suivre une loi normale.

Données

Les données utilisées pour estimer les paramètres du modèle sont :

• le recensement de la population 2021 : individus localisés au canton ou ville (variables prédictives),
• l’enquête Filosofi 2021 : Revenus, pauvreté et niveau de vie en 2021 (Iris).

Variables prédictives

Les variables prédictives sont issues du fichier de recensement individu. Il s’agit des variables catégoriques :

• dipl : niveau de diplôme de la personne de référence ;
• empl : catégorie d’emploi (CDD, CDI, employeur…) ;
• cs : catégorie socio-professionnelle (Employé, Cadre, Ouvrier…) ;
• tp : emploi à temps complet ou non ;
• stocd : statut d’occupation du logement (propriétaire, locataire du parc privé ou social) ;
• ager20 : âge de la personne de référence ;
• inper : nombre de personnes du ménage.

Seule les variables renseignée par le modèle de prédiction des occupants sont considérées. Le sexe des individus, pourtant déterminant, est ainsi exclus.

Variables prédites

La variable prédite est le niveau de vie du ménage : son revenu disponible rapporté à sa taille en unités de consommations.

Estimateur statistique

Le modèle est entraîné en minimisant sur chaque IRIS un écart aux déciles mesurés par l’enquête Filosofi. Plus précisément, notre estimateur de $A$, $b$ et $\sigma$ est : $$ \mathrm{MSE}(A, \sigma) = \sum_{i \in I} \sum_{k=1}^9 \left( p(y < d_{ik} | I, A, \sigma) - \frac{k}{10} \right)^2, $$ où la première somme porte sur l’ensemble $I$ des IRIS, et $d_{ik}$ est le $k$-ème décile de l’IRIS $i$. Cet estimateur dispose de bonnes propriétés statistiques : il est cohérent et sans biais¹.

Un dernier point reste à éclaircir pour comparer notre modèle, conditionné au niveau des individus, avec l’enquête Filosofi, qui caractérise la distribution des ménages. Dans l’estimateur ci-dessus, la distribution $p$ est celle du niveau de vie d’un ménage tiré uniformément au hasard dans la population. Conditionnellement à un ménage $M$ constitué des individus $x_1,\ldots,x_k$, celle-ci est donnée par $$ \tilde{p}(y | M) = \frac{1}{k}\sum_{i=1}^k p(y | x_i). $$

Validation

La performance du modèle est évaluée sur chaque IRIS en comparant les déciles des distributions de niveau de vie. Les déciles de la distribution prédites sont comparés aux déciles empiriques mesurés par l’enquête Filosofi. Les QQ-plots ci-dessous donnent deux comparaisons :

• en prédisant à partir des données du recensement (fichier détail individus)
• en prédisant à partir des données de population prédites au bâtiment