Accueil › Repères › Croiser deux jeux de données : les quatre garde-fous que nous nous imposons

Croiser deux jeux de données : les quatre garde-fous que nous nous imposons

Le croisement est l'opération la plus productive et la plus dangereuse de ce travail. Les quatre règles que nous appliquons, et l'erreur qu'elles évitent.

5 août 2026 contient une mesure de ce site

Notre résultat le plus intéressant vient d’un croisement : les communes éloignées de leurs services publics sont mieux dotées en équipements sportifs, de 13,9 % en médiane sur 811 strates.

Un croisement peut aussi produire n’importe quoi. Voici les quatre règles que nous nous imposons.

1. Rapprocher par l’identifiant, jamais par le nom

Sur 34 863 communes, 3 765 portent un nom partagé, réparties sur 1 479 noms. Un rapprochement par nom se trompe massivement.

Et jamais par code postal : un code postal peut couvrir plusieurs communes, et une commune peut en avoir plusieurs. Ce n’est pas un identifiant de commune, et c’est l’erreur la plus répandue.

Ce que nous faisons : le code officiel de la commune, et rien d’autre. Les lignes qui ne se rapprochent pas sont signalées, pas rattachées au plus proche.

2. Ne jamais soustraire deux bases différentes

Deux sources qui comptent la même chose avec des définitions différentes produisent une différence qui ne mesure rien : elle mesure l’écart de définition.

L’exemple type : compter les équipements dans une source, les besoins dans une autre, et publier le manque. Le résultat n’a aucun sens si les deux sources ne recensent pas selon les mêmes critères.

Ce que nous faisons : nous comparons des groupes de communes à l’intérieur d’une même source, et nous croisons deux sources uniquement pour comparer deux groupes, jamais pour faire une différence.

3. Comparer à structure égale

Notre croisement sportif compare les communes du même département et de la même tranche de taille. Sans cette stratification, on mesurerait surtout la différence entre départements et entre tailles.

Un contrôle supplémentaire le confirme : l’écart médian de population entre les deux groupes d’une même strate est de 2,2 %, donc négligeable.

Et un seuil de contraste : l’écart de distance entre les deux groupes doit atteindre 3,0 km, sinon on compare des situations identiques.

4. Publier les cas à contre-sens

C’est la règle la plus importante et la moins pratiquée.

Sur 811 strates, 247 vont à contre-sens, soit 30,5 %. Près d’un tiers.

Sans ce chiffre, notre résultat se lirait comme une loi. Avec lui, il se lit comme une tendance médiane à forte dispersion, ce qu’il est.

Un croisement qui ne publie pas sa proportion de cas contraires présente une tendance comme une règle, et c’est la façon la plus courante de tromper avec des chiffres exacts.

Ce que le croisement nous a permis de dire, et pas plus

Ce que nous disons : à département et taille égaux, les communes éloignées de leurs services publics sont plus souvent mieux dotées en équipements sportifs.

Ce que nous ne disons pas : que l’éloignement cause la dotation sportive, ni l’inverse. Les deux grandeurs peuvent dépendre d’une troisième, l’histoire de l’investissement public local, qu’aucun de nos deux jeux ne mesure.

C’est une association mesurée, pas un effet causal, et c’est écrit sur la page qui la publie.