Comment Prisme calcule, et ce qu'il s'interdit

Des questions comprises sans IA générative

L'explorateur reconnaît les indicateurs par un dictionnaire de synonymes (« riche » pour le PIB par habitant, « vivre longtemps » pour l'espérance de vie), quelques tournures (« à l'intérieur de chaque pays », « sans l'Irlande », « sur une carte ») et le contexte de la question précédente. Il répond pour les régions européennes, les départements ou les régions françaises, selon les indicateurs demandés et la maille nommée dans la question ; quand deux indicateurs n'existent à aucune maille commune, il le dit. Quand il ne reconnaît rien, il le dit au lieu de deviner. Les réponses sont des gabarits remplis par le calcul : une phrase ne change que si le résultat change (sens du lien, force, intervalle qui contient zéro, paradoxe détecté).

Ce choix rend chaque réponse vérifiable et gratuite à servir : tout est calculé dans le navigateur sur les données publiées avec le site.

Les statistiques

Corrélation de Pearson

Force du lien linéaire entre deux indicateurs, de −1 à 1. Intervalle de confiance à 95 % par la transformation de Fisher, p-valeur par la loi de Student exacte.

Corrélation des rangs de Spearman

La même chose sur les rangs : insensible aux valeurs extrêmes et à toute transformation monotone. Intervalle élargi selon Bonett et Wright (2000).

Effets fixes (pays, région)

Chaque valeur est remplacée par son écart à la moyenne de son groupe : le pays pour les régions européennes, la région pour les départements, le département pour les communes. La corrélation compare alors des territoires d'un même ensemble, à systèmes de santé, d'emploi et de prix comparables. Les degrés de liberté perdus (un par groupe, moins un) sont retirés de l'intervalle et du test ; les groupes d'un seul territoire sont écartés.

Droite et bande de confiance

Régression des moindres carrés ; la bande grisée est l'intervalle à 95 % de la moyenne conditionnelle, pas celui des régions individuelles.

Tests multiples

Chaque question d'un fil est un test de plus. Dès la deuxième, la valeur q de Benjamini-Hochberg s'affiche sous chaque réponse : elle contrôle la proportion de faux positifs parmi les résultats retenus.

Autocorrélation spatiale

I de Moran sur les écarts à la tendance, voisinage des cinq régions les plus proches rendu symétrique, test par l'approximation normale. Un I nettement positif signale qu'un facteur régional manque à la relation.

Médianes et effectifs

Pour les prix immobiliers : médiane, quartiles et intervalle de la médiane par les rangs, sans hypothèse sur la loi des prix ; aucune statistique sous 20 ventes.

Erreurs types robustes ou regroupées

Les régressions des analyses donnent des erreurs types robustes à l'hétéroscédasticité (HC1) ou, quand des territoires d'un même pays ou d'une même région ne sont pas indépendants, regroupées par groupe (CR1).

Double effet fixe

Pour suivre un territoire dans le temps, on retire à chaque valeur la moyenne du territoire et celle de l'année : ne reste que ce qui varie pour un même territoire, au-delà du mouvement commun à tous. Utilisé pour relier la fécondité au chômage.

Indice à composition constante

Une évolution de prix se mesure par la moyenne des variations des médianes communales, pondérée par les ventes, plutôt que par la médiane nationale : un déplacement des ventes d'un territoire à l'autre ne passe pas pour une variation de prix.

Régression vers la moyenne

Quand on relie un niveau à son évolution, le niveau est mesuré une autre année que le point de départ : sinon, le bruit d'une médiane produirait à lui seul une relation négative.

Panel équilibré et décomposition

Les comparaisons dans le temps portent sur les mêmes territoires chaque année. La dispersion entre territoires se décompose exactement en écarts entre pays et écarts à l'intérieur des pays.

Des analyses vérifiées avant publication

Les analyses et les billets sont calculés et rédigés au moment de la publication, par du code, à partir de l'entrepôt. Chaque phrase qui tire une conclusion porte la condition qui la justifie : un intervalle qui exclut zéro, un écart dans le bon sens, une part majoritaire. Si les données ne la vérifient plus, la publication échoue au lieu de diffuser une phrase fausse. Les chiffres du texte, des figures et des tableaux viennent du même calcul, et les données de chaque figure sont consultables sous la figure.

Le texte qui accompagne les chiffres distingue ce que les données établissent de ce qu'elles suggèrent : une explication possible est présentée comme telle, et chaque analyse se termine par ce qu'elle ne permet pas de dire.

Les pièges signalés à chaque réponse

• Paradoxe de Simpson. Un lien peut s'inverser selon qu'on compare des pays ou des régions d'un même pays : entre régions de l'UE, plus de chômage va avec une vie plus longue ; à l'intérieur de chaque pays, c'est l'inverse. L'explorateur calcule les deux et le dit quand les signes divergent.
• Erreur écologique. Une relation entre territoires ne vaut pas entre personnes : des régions riches qui vivent plus longtemps ne prouvent pas que les personnes riches vivent plus longtemps.
• Unité spatiale modifiable. Les moyennes dépendent du découpage : d'autres frontières donneraient d'autres résultats. Les régions sont celles de la nomenclature NUTS 2 d'Eurostat.
• Valeurs atypiques. Le PIB par habitant de l'Irlande et du Luxembourg est gonflé par les sièges de multinationales et les travailleurs frontaliers ; chaque réponse qui l'utilise propose de les exclure.
• Corrélation n'est pas causalité. Un troisième facteur peut agir sur les deux indicateurs ; aucune réponse ne conclut à une cause.

Une géographie harmonisée

Les communes fusionnent, se scindent, sont rétablies. Chaque source entre dans l'entrepôt avec le millésime de géographie de ses codes, puis passe par une table de passage reconstruite depuis les mouvements du Code officiel géographique de l'Insee. Une population se répartit entre communes ; une médiane ou un taux ne traverse qu'un lien un pour un. Les régions européennes sont celles de NUTS 2024, version dans laquelle Eurostat republie ses séries, années passées comprises ; les régions ultrapériphériques (outre-mer, Canaries, Açores, Madère) sont hors du champ de l'explorateur.

Une année de données n'est pas une année de géographie : Filosofi 2023 est diffusé dans la géographie communale 2026. Le catalogue des sources déclare ce millésime pour chaque fichier.

Ce que Prisme ne publie jamais

• Aucune transaction immobilière individuelle, aucune adresse, aucune coordonnée de vente : les données DVF ne sortent de l'entrepôt qu'agrégées.
• Aucune valeur couverte par le secret statistique, aucune valeur manquante remplacée par une estimation ou par zéro : une valeur absente est marquée comme telle, avec son motif.
• Aucun chiffre sans sa source, son millésime et sa licence.

Le pipeline

Les fichiers des producteurs sont téléchargés tels quels, avec leur empreinte et leur licence, chargés dans un entrepôt DuckDB, puis transformés avec dbt : typage, passage à la géographie de référence, cube d'indicateurs en format long, puis une table par analyse avec son statut, ses effectifs et ses intervalles. Des tests vérifient l'unicité, les plages plausibles et la conservation des populations à travers la table de passage. Le site est statique : ses données sont produites au moment de la publication.

Sources et licences · Les analyses · Les fiches territoires · Le secret statistique