2f:T724,# Commentaire thématique :

Cette carte représente les personnes considérées comme réfugiées, en vertu du statut de l’UNHCR (à partir de la Convention Relative au Statut des Réfugiés, son Protocole de 1967) et de la Convention de l’Organisation de l’Unité africaine de 1969 régissant les Aspects spécifiques des problèmes des réfugiés en Afrique. Ce statut désigne les personnes à qui on a reconnu le statut humanitaire de réfugiée ainsi que les personnes bénéficiant d’une protection temporaire. En 2000, les pays accueillant des réfugiés en Afrique étaient principalement la Guinée à l’ouest, le Soudan et la Tanzanie à l’est. Par la suite, la concentration des pays accueillant en Afrique sub-saharienne a persisté, avec un déplacement des pôles récepteurs vers l’Afrique de l’est. En effet, l’Éthiopie, l’Ouganda et le Kenya accueillent beaucoup de réfugiés dès 2014, alors que les pays d’Afrique de l’Ouest deviennent des pôles d’accueil mineurs. Cette concentration très localisée de réfugiés s’explique par la situation humanitaire dans la région. Le conflit civil au Soudan, dont un des tournants a été l’indépendance du Soudan du Sud en juillet 2011, engendre d’importants déplacements de population. Ainsi, les populations civiles s’exilent dans les États limitrophes : on note 1 million de réfugiés en Ouganda en 2017, 80 000 au Kenya, 500 000 déplacés au Soudan (A. Franck, 2018). L’Éthiopie était le second principal pays d’accueil des réfugiés en Afrique en 2017. Cet État a accueilli beaucoup de réfugiés soudanais ainsi que des érythréens fuyant leur pays pour des raisons économiques et politiques (notamment à cause des fréquentes violations des droits de l’homme).

30:T8ce,# Commentaire thématique :

Cette carte met en avant les fortes inégalités d’espérance de vie dans le monde : très élevée au Canada, en Europe occidentale, en Australie, mais très basse en Afrique sub-saharienne, en Russie et en Asie du sud-est. Ces différences importantes s’expliquent notamment par le taux de mortalité plus ou moins élevé des enfants. En effet, l’espérance de vie augmente lorsque la mortalité infantile diminue, c’est d’ailleurs cela « le principal moteur des progrès sanitaires » dans le monde (Meslé, 2005). Cet indicateur permet de mesurer le bien-être des sociétés et la capacité des États à prendre soin de la population au niveau sanitaire. D’un rapide coup d’œil, cette carte nous renvoie au découpage classique des pays du Nord et du Sud, « pays développés » et « pays en développement ». Les chercheurs ne cessent d’interroger ces catégories et leurs limites, à l’instar de JB Bouron, L.Carroué et H.Mathian (Géoconfluences, 2022). Ils ont établi un découpage économique mondial, selon sept indicateurs, aboutissant à trois classes subdivisées en six sous-classes. La carte de l’espérance de vie fait écho à cette répartition des États entre « précaires », « émergents » et « favorisés ». Par ailleurs, nous pouvons faire un focus sur la situation complexe du continent africain. L’Agence française pour le développement (AFD) indique que l’espérance de vie a considérablement augmenté en Afrique entre les années 1960 et 2017, gagnant 25 ans pour atteindre 63 ans, tandis que la moyenne mondiale est de 72 ans. Cette croissance est le résultat d’efforts importants dans les domaines de la santé et du développement socio-économique. Cependant, l’Afrique reste la région du monde avec l’espérance de vie la plus basse. Ces statistiques encourageantes ne doivent pas faire oublier les fortes inégalités territoriales, notamment entre les espaces urbains et espaces ruraux, ainsi que la fragilité de certaines situations locales. Par exemple, les crises sanitaires, les conflits politiques et les déplacements de population perturbent la croissance de l’espérance de vie.

31:T47e,# Conclusion :

Ces deux cartes permettent de mettre en perspective les problématiques de développement humain et de sa représentation cartographique. Tout d’abord, il est important de varier les échelles : ici, l’échelle mondiale et l’Afrique, au niveau régional, pourraient être complétées par une carte à l’échelle locale pour constater les variations territoriales. De plus, pour contrer les biais cartographiques et notamment le manque de nuance, l’impression d’immuabilité des situations, nous pouvons donner accès aux variations temporelles d’un même jeu de données. Les deux cartes produites ici, l’une sur l’accueil des réfugiés en Afrique au XXIème siècle et la seconde sur l’espérance de vie dans le monde, nous amènent à la conclusion que les déterminants sanitaires et sociaux se cumulent : l’instabilité politique, les situations humanitaires dégradées et les systèmes de santé fragiles en Afrique conduisent à la fois à d’importants déplacements de population ainsi qu’à des taux d’espérance de vie parmi les plus bas dans le monde.

32:[{"id":"cc14908f94930d71e96ad311bf8e634334ad34c47ddf5c817db05304575a8ee0c92831dff25c4f81115cc5d58d82ad3cf97f8b9f686c940675dfe7e712ee90ef","href":"https://static.observableusercontent.com/files/cc14908f94930d71e96ad311bf8e634334ad34c47ddf5c817db05304575a8ee0c92831dff25c4f81115cc5d58d82ad3cf97f8b9f686c940675dfe7e712ee90ef","name":"africa.geojson","type":"application/geo+json","lastModified":1667919432355.617,"size":130345},{"id":"a1db6ed14631c5980b7b730b067e5cddcbe226a1547f9ea4cfac591c12b772eea8b77911f10618634b76c3f12c7db66cc6fd244b76b8b862738cae3b65bc2da1","href":"https://static.observableusercontent.com/files/a1db6ed14631c5980b7b730b067e5cddcbe226a1547f9ea4cfac591c12b772eea8b77911f10618634b76c3f12c7db66cc6fd244b76b8b862738cae3b65bc2da1","name":"world.geojson","type":"application/geo+json","lastModified":1667919657580.445,"size":765648},{"id":"e5b450d761ddde7708ef16e34e78a4ac80945bb827b0783b48d69b5784a979412bad80638d45be98284bdfbfd32c9e1c1ad08eb0af6d17cf9e7dd24787418c97","href":"https://static.observableusercontent.com/files/e5b450d761ddde7708ef16e34e78a4ac80945bb827b0783b48d69b5784a979412bad80638d45be98284bdfbfd32c9e1c1ad08eb0af6d17cf9e7dd24787418c97","name":"refugies_accueil.csv","type":"text/csv","lastModified":1669123756409.712,"size":17988},{"id":"081ea7b32adbfe1104e92cb590b394d1aaf29fa55fbcfc36989540aae56838691f25773fdb131cc67f319659fa8d051ef30523bfd84ac7162bc5e93b60643119","href":"https://static.observableusercontent.com/files/081ea7b32adbfe1104e92cb590b394d1aaf29fa55fbcfc36989540aae56838691f25773fdb131cc67f319659fa8d051ef30523bfd84ac7162bc5e93b60643119","name":"world-esperance.csv","type":"text/csv","lastModified":1669131263132.675,"size":128021},{"id":"817955099372575a7859db4bfb4977abae0e0df0e5ad35ce2c8345c5c6c68e27f70b8739cbd179a09f76f686c0068b0e4ad83a36ae0e4517b799b96addd0ac94","href":"https://static.observableusercontent.com/files/817955099372575a7859db4bfb4977abae0e0df0e5ad35ce2c8345c5c6c68e27f70b8739cbd179a09f76f686c0068b0e4ad83a36ae0e4517b799b96addd0ac94","name":"refugies_origine_AFRIQUE.csv","type":"text/csv","lastModified":1670340025726.469,"size":16845}] 2d:{"title":"Accueil des réfugiés et espérance de vie, le développement en regard entre l'Afrique et le Monde","cells":[{"id":0,"value":"# Accueil des réfugiés et espérance de vie, le développement en regard entre l'Afrique et le Monde ","pinned":false,"hidden":false,"mode":"md"},{"id":533,"value":"# INTRODUCTION","pinned":false,"hidden":false,"mode":"md"},{"id":616,"value":"

Ce notebook invite à une réflexion sur les représentations cartographiques du développement humain et de l’Afrique dans la mondialisation, à partir de la production de cartes à deux échelles différentes (le continent africain et le Monde) et de deux entrées thématiques, l’accueil des réfugiés en Afrique et l’espérance de vie dans le Monde.

","pinned":false,"hidden":false,"mode":"md"},{"id":392,"value":"# PARTIE 1 - Évolution de la répartition territoriale des réfugiés accueillis dans un État africain entre 2000 et 2021","pinned":false,"hidden":false,"mode":"md"},{"id":618,"value":"# Présentation des données : \n

Cette carte représente la population de réfugiés par territoire d’asile sur le continent africain. Ces données proviennent de l’UNHCR (Haut Commissariat des Nations Unies pour les Réfugiés) et de l’Annuaire statistique des Nations Unies.

\n","pinned":false,"hidden":false,"mode":"md"},{"id":251,"value":"viewof year = Inputs.range([2000, 2021], { label: \"Année\", step: 1 })","pinned":false,"hidden":false,"mode":"ojs"},{"id":238,"value":"bertin.draw({\n params: { margin: 50, extent: africa },\n layers: [\n { type: \"header\", text: `L'accueil des réfugiés en ${year}.` },\n { type: \"footer\", text: \"Fait avec bertin.js\", anchor: \"middle\" },\n {\n type: \"bubble\",\n geojson: data,\n values: `accueil${year}`,\n fill: \"#FF9933\",\n fixmax: max,\n leg_x: 200,\n leg_y: 650,\n leg_title: \"Nombre de réfugiés accueillis\",\n leg_round: -2\n },\n {\n geojson: africa,\n fill: \"#CCC\"\n },\n {\n type: \"waterlines\",\n geojson: africa,\n nb: 3,\n dist: 10,\n stroke: [\"black\", \"white\"]\n },\n {\n type: \"scalebar\",\n units: \"kilometers\",\n leg_x: 100,\n leg_y: 600\n },\n { geojson: world, fill: \"#CCC\", fillOpacity: 0.5 }\n ]\n})","pinned":false,"hidden":false,"mode":"ojs"},{"id":620,"value":"# Commentaire technique : \n

Ce sont des données quantitatives absolues, autrement dit de stock. Il faut utiliser une variable visuelle de proportionnalité pour cartographier ces données, c’est pourquoi j’ai choisi des cercles de type « bulle » dont j’ai fait varier la taille (en 3 classes : de 0 à 62 900, de 62 900 à 251 800, de 251 800 à 566 500). Le figuré est de type ponctuel et son implantation est ponctuelle.\nJ’ai ajouté un curseur pour pouvoir suivre l’évolution de ces données tout au long du XXIe siècle, entre 2000 et 2021, ce qui permet de prendre conscience des évolutions dans les pays récepteurs des réfugiés. \nJ’ai travaillé l’aspect esthétique avec un fond de carte « waterline » qui met en valeur les traits de côtes, ainsi qu’en faisant apparaître les pays voisins de l’Afrique avec une faible opacité.

\n\n","pinned":false,"hidden":false,"mode":"md"},{"id":672,"value":"$2f","pinned":false,"hidden":false,"mode":"md"},{"id":334,"value":"# PARTIE II : L'INÉGALITÉ FACE À L'ESPÉRANCE DE VIE DANS LE MONDE","pinned":false,"hidden":false,"mode":"md"},{"id":622,"value":"# Présentation des données : \n

Cette carte représente l’espérance de vie des femmes et des hommes à la naissance dans le monde, c’est-à-dire le nombre d’années que devrait vivre à un nouveau-né si les règles de mortalité dans son pays restaient les mêmes tout au long de sa vie. Ces données sont issues de la Division des Nations Unies pour la population (2009) et des Perspectives Relatives à la population mondiale (révision de 2008).

\n","pinned":false,"hidden":false,"mode":"md"},{"id":348,"value":"bertin.draw({\n params: { width: 1152 },\n layers: [\n { type: \"header\", text: `L'espérance de vie dans le monde en 2020` },\n { type: \"footer\", text: \"Fait avec bertin.js\", anchor: \"middle\" },\n\n {\n geojson: data2,\n fill: {\n type: \"choro\",\n method: \"quantile\",\n nbreaks: 5,\n values: \"esp2020\",\n colors: pal,\n leg_x: 100,\n leg_y: 300,\n leg_w: 20,\n leg_h: 15,\n leg_round: 0,\n leg_title: \"Espérance de vie en 2020\",\n leg_fontSize2: 11\n }\n },\n {\n type: \"shadow\",\n geojson: data2\n }\n ]\n})","pinned":false,"hidden":false,"mode":"ojs"},{"id":350,"value":"viewof pal = Inputs.select(\n [\n \"Blues\",\n \"Greens\",\n \"Greys\",\n \"Oranges\",\n \"Purples\",\n \"BuGn\",\n \"BuPu\",\n \"GnBu\",\n \"OrRd\",\n \"PuBuGn\",\n \"PuBu\",\n \"PuRd\",\n \"RdPu\",\n \"YlGnBu\",\n \"YlGn\",\n \"YlOrBr\",\n \"YlOrRd\",\n \"BrBG\",\n \"PRGn\",\n \"PiYG\",\n \"PuOr\",\n \"RdBu\",\n \"RdGy\",\n \"RdYlBu\",\n \"RdYlGn\",\n \"Spectral\"\n ],\n {\n label: \"Couleurs\",\n value: \"YlGn\"\n }\n)","pinned":false,"hidden":false,"mode":"ojs"},{"id":624,"value":"# Commentaire technique : \n

L’espérance de vie est donnée par l’âge, c’est-à-dire un nombre d’années. L’âge est une donnée quantitative relative, ce qui correspond à une variable visuelle d’ordre selon les règles de la sémiologie graphique. La valeur, qui consiste à faire varier la quantité d’une couleur, représente cet ordre. Le figuré est de type zonal et son implantation est zonale. J’ai utilisé la représentation classique des données quantitatives relatives, qui est une carte choroplèthe (« représentation de données par des plages de valeur discrétisées », glossaire de Géoconfluences).\n\nAfin de faciliter la lecture de cette carte, il a fallu discrétiser les données, soit découper la série statistique en classes de valeur en respectant les caractéristiques de la distribution. Ici, la distribution est dissymétrique à droite (forte concentration entre 70 et 80), car la médiane est supérieure à la moyenne.

\n","pinned":false,"hidden":false,"mode":"md"},{"id":364,"value":"# Graphique : forme de la distribution et discrétisation","pinned":false,"hidden":false,"mode":"md"},{"id":341,"value":"Plot.plot({\n marginTop: 10,\n\n marks: [\n Plot.tickX(worldEsperance, { x: \"esp2020\" })\n // Plot.text(data, {\n // filter: (d) => d.gdppc >= 100000,\n // x: \"gdppc\",\n // text: \"id\",\n // dy: -15\n // })\n ]\n})","pinned":false,"hidden":false,"mode":"ojs"},{"id":627,"value":"

J’ai utilisé une méthode adaptée à ce type de distribution, qui est basée sur la médiane : celle des effectifs égaux (les quantiles). J’ai constitué 5 classes avec le même nombre d’unités statistiques dans chacune d’elle : 54 - 66 ans, 66 – 72 ans, 72 – 75 ans, 75 – 79 ans, 79 – 85 ans.\nJ’ai ajouté une ombre pour souligner les contours de la carte ainsi qu’un curseur pour laisser à l’utilisateur le choix de la palette de couleurs.

\n","pinned":false,"hidden":false,"mode":"md"},{"id":666,"value":"$30","pinned":false,"hidden":false,"mode":"md"},{"id":639,"value":"$31","pinned":false,"hidden":false,"mode":"md"},{"id":641,"value":"# BIBLIOGRAPHIE : \nAFD, 2020, « Atlas de l’Afrique AFD » : le boom de l’espérance de vie, URL : https://www.afd.fr/fr/actualites/atlas-de-lafrique-afd-le-boom-de-lesperance-de-vie \n\nBOURON Jean-Benoît, CARROUÉ Laurent et MATHIAN Hélène, 2022, « Représenter et découper le monde : dépasser la limite Nord-Sud pour penser les inégalités de richesse et le développement », Géoconfluences, URL : http://geoconfluences.ens-lyon.fr/informations-scientifiques/dossiers-thematiques/inegalites/articles/decoupage-economique-mondial\n\nFRANCK Alice, 2018, « L’échec de la partition d’un État à la charnière entre monde arabe et Afrique subsaharienne : le cas du Soudan », Bulletin de l’association de géographes français. \n\nMESLÉ France, 2005, « Espérance de vie et mortalité aux âges élevés », Retraite et société. DOI : 10.3917/rs.045.0089. \n\nUNHCR, 2018, Communiqué sur l'Éthiopie, URL : https://www.unhcr.org/fr/ethiopie.html\n","pinned":false,"hidden":false,"mode":"md"},{"id":381,"value":"DONNÉES ET LIGNES DE CODE ","pinned":false,"hidden":false,"mode":"html"},{"id":18,"value":"geo.view(africa)","pinned":false,"hidden":false,"mode":"ojs"},{"id":27,"value":"geo.view(world)","pinned":false,"hidden":false,"mode":"ojs"},{"id":193,"value":"refugies_accueil = await FileAttachment(\"refugies_accueil.csv\").csv({typed: \"auto\"})","pinned":false,"hidden":false,"mode":"ojs"},{"id":332,"value":"worldEsperance = await FileAttachment(\"world-esperance.csv\").csv({typed: \"auto\"})","pinned":false,"hidden":false,"mode":"ojs"},{"id":11,"value":"bertin = require(\"bertin@1.5.9\")","pinned":false,"hidden":false,"mode":"ojs"},{"id":6,"value":"africa = FileAttachment(\"africa.geojson\").json()\n\n","pinned":false,"hidden":false,"mode":"ojs"},{"id":21,"value":"geo = require(\"geoverview@1.2\")","pinned":false,"hidden":false,"mode":"ojs"},{"id":24,"value":"world = FileAttachment(\"world.geojson\").json()","pinned":false,"hidden":false,"mode":"ojs"},{"id":46,"value":"data = bertin.merge(africa, \"ISO3\", refugies_accueil, \"id\")","pinned":false,"hidden":false,"mode":"ojs"},{"id":522,"value":"refugies_origine_afrique = await FileAttachment(\"refugies_origine_AFRIQUE.csv\").csv({typed: \"auto\"})","pinned":false,"hidden":false,"mode":"ojs"},{"id":277,"value":"max = d3.max(data.features.map((d) => d.properties.accueil2021))","pinned":false,"hidden":false,"mode":"ojs"},{"id":355,"value":"data2 = bertin.merge(world, \"ISO3\", worldEsperance, \"id\")","pinned":false,"hidden":false,"mode":"ojs"},{"id":337,"value":"esp2020 = worldEsperance.map((d) => d[\"esp2020\"])","pinned":false,"hidden":false,"mode":"ojs"},{"id":433,"value":"data2","pinned":false,"hidden":false,"mode":"ojs"},{"id":284,"value":"year","pinned":false,"hidden":false,"mode":"ojs"},{"id":286,"value":"`accueil${year}`","pinned":false,"hidden":false,"mode":"md"}],"files":"$W32","stdlib":"1","titling":"auto"}