REPRESENTATION ET EONCTION SPATIALE

En proposant un ensemble de travaux relatifs à la représentation des phénomènes spatialisés et aux interactions spatiales, Ian Masser (Université d'Utrecht) et Peter J.B. Brown (Université de Liverpool) présentent non seulement une mise au point sur des techniques et des méthodes relativement évoluées, mais aussi une réflexion sur les perspectives offertes par de telles démarches (1) .

Le parti retenu tient à définir les meilleurs moyens de donner une représentation des faits spatiaux qui, tout en autorisant une réduction maîtrisée des données initiales, entraîne une perte d'information minimale. Si deux stratégies possibles sont présentées successivement (d'où les deux parties de l'ouvrage) pour analyser les interactions spatiales, il ne faut y voir qu'une commodité, car elles sont souvent utilisées conjointement. Dans la première (MCA = multi- criteria aggregation) , la totalité des données est conservée, mais en procédant à des regroupements qui ont ainsi pour conséquence de réduire le nombre initial d'unités élémentaires (2) . Dans la seconde (MLS = multi-level specification) , on procède à une sélection parmi les unités élémentaires, qui peut prendre la forme d'un sondage spatial. Dans ce nouveau cadre, les données retenues sont conservées sous leur forme initiale sans transformation.

Le problème fondamental est donc de définir un découpage pertinent de l'espace afin d'obtenir une représentation de la distribution des phénomènes qui permette en outre de conserver la structure et l'intensité des interactions. En référence à de nombreux travaux, les auteurs explicitent ensuite les deux démarches. Pour la MCA, une première remarque tient à la forme du

découpage territorial : si le recours à une grille quadran- gulaire présente des avantages d'homogénéité de la distribution, voire de traitement informatique, l'apparente neutralité ainsi revendiquée peut cacher une ignorance de la réalité du phénomène étudié; une deuxième question concerne les critères retenus pour définir les unités territoriales : ainsi, pour certains, la nature de l'utilisation du sol constitue un élément fondamental. Les auteurs préfèrent séparer les critères d'ordre descriptif de ceux qui sont associés à des phénomènes d'interaction.

Tout au long de l'ouvrage, cette distinction sera maintenue, mais elle n'est pas redondante du titre, car la recherche de la représentation spatiale concerne les deux ordres (descriptif et interactif), alors que l'objectif ultime relève de la connaissance de la dynamique des phénomènes. C'est donc par rapport à ces deux ordres de données que la procédure de regroupement (MCA) doit être engagée. Une procédure en trois étapes est alors proposée : tout d'abord définir le niveau de représentation spatiale et donc le nombre d'aires d'étude; ensuite, dans le nombre de zones retenues, procéder à un regroupement des données qui permette toujours l'identification de leurs caractères intrinsèques; enfin, vérifier que les critères descriptifs et les critères d'interaction sont bien conservés et procéder aux ajustements nécessaires pour répondre à cet objectif.

Ces trois aspects sont ensuite développés. Us relèvent clairement d'une démarche expérimentale de contrôle de l'information, l'accent étant mis sur les résultats différents qui peuvent être obtenus suivant les méthodes de vérification utilisées. Le choix de tel ou tel algorithme ne peut donc relever du hasard ou de la commodité, mais de l'objectif poursuivi.

La deuxième partie de l'introduction est consacrée à l'autre démarche (MLS) : définir des sous-systèmes spatiaux, conservant leurs données initiales, et entre lesquels les interactions identifiables correspondent à une structure réduite mais non déformée de l'information totale. L'objectif élémentaire consiste donc à minimiser le nombre de flux tout en conservant le degré d'intensité des interactions. Une procédure en deux étapes est proposée : réduction maximale de l'information tenant compte