L'éviction silencieuse

1. Un logement peut disparaître sans que personne ne déménage

Quand on parle de crise du logement, on imagine des immeubles qui ne se construisent pas, ou des ménages qui partent faute de pouvoir payer. Il existe une troisième voie, plus discrète : le logement reste debout, personne n'est expulsé, mais il cesse d'abriter quelqu'un à l'année. Résidence secondaire, meublé touristique, pied-à-terre occupé quelques semaines — le bâtiment est toujours là, le logement, lui, est sorti du parc habité.

Pour une commune, la conséquence est concrète : le même nombre de murs abrite moins d'habitants permanents. L'école perd des élèves, la boulangerie perd des clients d'hiver, et les actifs qui travaillent sur place ne trouvent plus à se loger — non pas parce qu'il n'y a pas de logements, mais parce que ceux qui existent ne leur sont plus accessibles.

Ce phénomène est mal outillé statistiquement. Le recensement de l'INSEE le mesure bien, mais il repose sur une collecte étalée sur cinq ans : quand la bascule apparaît dans les chiffres, elle est déjà consommée depuis plusieurs années. Pour une commune qui voudrait réagir — préempter, encadrer les meublés, produire du logement pour ses actifs — c'est trop tard.

D'où la question qui a motivé ce travail : peut-on repérer ce basculement plus tôt, à partir de données qui, elles, sont produites chaque année ?

2. Ce que nous mesurons, et comment

L'idée est d'utiliser des traces indirectes. Un logement occupé toute l'année ne laisse pas la même empreinte qu'un logement occupé six semaines par an, et cette différence est visible dans des données qui n'ont pas été conçues pour ça.

Nous combinons quatre signaux :

• Le nombre de points de livraison électrique rapporté à la population. Une commune qui compte beaucoup de raccordements pour peu d'habitants abrite probablement beaucoup de logements sans occupant permanent.
• La consommation moyenne par point de livraison. Un compteur qui consomme peu sur l'année signale un logement peu occupé.
• La thermosensibilité. Un logement habité en continu se chauffe régulièrement ; un logement occupé par saisons présente un profil de consommation très différent.
• L'écart entre la trajectoire des prix et celle de la population. Des prix qui montent là où la population stagne indique une demande qui ne vient pas des habitants.

Chaque signal est ramené à une échelle commune, puis les quatre sont agrégés en un score unique. Un score élevé signale une commune où le parc semble largement occupé de façon non permanente.

Encadré — pourquoi ces données et pas le recensement ? Parce qu'elles sont annuelles et exhaustives. Enedis publie ses données de raccordement et de consommation chaque année, à la maille communale ; DVF publie les transactions deux fois par an. Là où le recensement donne une photo nette mais ancienne, ces sources donnent une image plus floue, mais récente. Nous avons fait ce choix en connaissance de cause : ce travail privilégie la précocité du signal sur la précision de la mesure.

Un aveu qu'il faut faire tout de suite

L'agrégation repose sur une analyse en composantes principales — une méthode qui cherche, parmi plusieurs signaux, la combinaison qui explique le mieux leurs variations communes. Les coefficients enregistrés lors du calcul sont éloquents : 0,99 pour le premier signal, contre 0,11, 0,03 et 0,01 pour les trois autres.

Autrement dit : malgré son habillage à quatre signaux, l'indice est en pratique presque entièrement déterminé par le nombre de raccordements électriques par habitant. Les trois autres signaux ne le corrigent qu'à la marge.

Ce n'est pas nécessairement disqualifiant — ce premier signal est aussi le plus direct et le mieux couvert. Mais il serait malhonnête de laisser croire à un indice composite équilibré. Un lecteur qui veut comprendre ce que mesure vraiment le classement doit le lire comme un classement des communes selon leur nombre de logements raccordés par habitant, affiné par trois signaux secondaires.

Nous avons calculé, en parallèle, une variante où les quatre signaux pèsent le même poids. Les deux classements concordent fortement sans se confondre (corrélation de rang de 0,70) : les mêmes communes ressortent, dans un ordre sensiblement différent.

3. Le phénomène est rare, et très concentré

Sur les 9 998 communes de 1 000 habitants et plus examinées, 8 891 ont pu être scorées ; les 1 107 autres manquaient d'au moins un signal.

La distribution des scores est extrêmement dissymétrique. 5 378 communes — six sur dix — tiennent dans une seule classe, resserrée autour de zéro. Le score médian est de 0,01 : la commune française typique ne présente aucun signe particulier de sur-représentation résidentielle secondaire.

Puis la courbe s'étire. Le seuil des 5 % les plus élevés se situe à 3,40. Et à l'extrémité, une poignée de communes atteint des valeurs sans commune mesure avec le reste : Huez (Isère) culmine à 55,06, soit plus de cinq mille fois le score médian.

773 communes, soit 8,7 % du panel, dépassent le score de 1. C'est là que se concentre tout le phénomène.

4. Cinq familles de territoires

Pour comprendre où cela se produit, nous avons regroupé les communes par type de territoire.

Le contraste est net. Les communes qui n'appartiennent à aucun ensemble touristique identifié — l'immense majorité, 4 893 communes — affichent un score moyen de 0,16, c'est-à-dire pratiquement rien. Les cinq familles littorales ou montagnardes se détachent toutes :

En moyenne, la Méditerranée et les Alpes arrivent donc en tête. Mais la moyenne masque l'essentiel, et c'est en regardant le haut du classement que l'image change.

5. Le haut du classement est d'abord atlantique

Si l'on isole les 200 communes les mieux classées, la hiérarchie s'inverse :

Le littoral atlantique place à lui seul près d'un tiers du top 200. Par département, le classement confirme ce basculement : Charente-Maritime (18 communes), Vendée (16), Morbihan (15) devancent la Haute-Savoie (13), le Calvados et les Landes (10 chacun), la Savoie (9).

L'intuition commune — l'éviction, c'est d'abord les stations de ski — ne résiste donc pas aux données. Les stations alpines occupent les tout premiers rangs individuels : Huez, Les Allues, Châtel, Val-d'Isère, Mont-de-Lans forment le quinté de tête, avec des scores compris entre 39 et 55. Mais en nombre de communes concernées, la côte atlantique pèse davantage. Il y a peu de Val-d'Isère ; il y a beaucoup de communes littorales de Charente-Maritime et de Vendée où le phénomène est marqué sans être spectaculaire.

C'est une distinction qui compte pour l'action publique : les cas extrêmes sont identifiés depuis longtemps et déjà outillés, tandis que la diffusion littorale, plus discrète, l'est beaucoup moins.

6. Le test : que disent les communes elles-mêmes ?

Un indice construit sur des traces indirectes pose un problème redoutable : on ne dispose d'aucune mesure de référence pour le vérifier. Si nous avions une mesure fiable et récente du phénomène, nous n'aurions pas eu besoin de construire l'indice.

Nous avons donc cherché un témoin indépendant, produit par d'autres, pour d'autres raisons : la majoration de la taxe d'habitation sur les résidences secondaires. Une commune ne peut la voter que si elle est classée en zone tendue, et elle ne la vote que si son conseil municipal estime subir une pression résidentielle. C'est une décision politique, prise localement, sans aucun rapport avec nos calculs.

Le résultat est le plus solide de cette étude :

• 9,7 % des 8 891 communes du panel ont voté cette majoration en 2024 ;
• 62,5 % des 200 communes les mieux classées par notre indice l'ont votée.

Soit une concentration 6,4 fois supérieure. Des élus municipaux qui n'ont jamais entendu parler de cet indice désignent, par leur vote, largement les mêmes communes que lui.

Cela ne valide pas l'indice au sens strict — les deux mesures peuvent partager un même biais, par exemple la notoriété touristique. Mais c'est le genre de convergence qu'on n'obtient pas par hasard, et c'est ce qui nous a convaincus que le signal capté correspond à quelque chose de réel.

7. Les surprises : huit communes hors des sentiers battus

Les communes les plus intéressantes ne sont pas celles du haut du classement — on les attendait. Ce sont celles qui obtiennent un score élevé sans appartenir à aucune famille littorale ou alpine identifiée. Elles sont huit :

Trois profils s'y dessinent. Le Massif central thermal et skiable — Le Mont-Dore, Besse, La Bourboule — reproduit le modèle alpin à une autre échelle et avec une autre histoire. La moyenne montagne — Le Bleymard, Salles-Curan, Prémanon — signale une diffusion du phénomène loin des grandes stations. Et le Luberon — Gordes, Bonnieux — relève d'un mécanisme différent : ni ski ni mer, mais une désirabilité patrimoniale qui produit le même effet sur le parc.

Ce sont, à nos yeux, les territoires à surveiller : ceux où le basculement n'est pas encore un sujet public.

8. Ce que cette étude ne dit pas

Nous tenons à être explicites sur les limites, parce que le titre de ce travail promet plus que sa méthode ne peut tenir.

Le mot « éviction » est plus fort que ce que nous démontrons. Nous mesurons une sur-représentation de logements sans occupation permanente. Nous ne montrons nulle part qu'un ménage a été empêché de se loger, ni qu'il est parti à cause de cela. La causalité — le logement secondaire chasse-t-il l'habitant permanent, ou les deux découlent-ils d'une même cause ? — reste entière. Une formulation plus juste serait « sur-représentation résidentielle secondaire » ; nous gardons « éviction silencieuse » pour la lisibilité, en assumant qu'il décrit un signal et non un mécanisme établi.

L'indice repose de fait sur un seul signal (voir §2). Il faut le lire comme tel.

Le seuil de 1 000 habitants exclut une partie du problème. Les communes plus petites sont souvent les plus exposées, mais leurs données sont trop bruitées pour qu'un score y soit interprétable. C'est une limite assumée, pas un oubli.

Les millésimes ne coïncident pas. Les données électriques couvrent 2018-2024, les transactions 2014-2024. L'indice mélange donc des fenêtres temporelles différentes.

La ventilation régionale n'est pas exploitable dans cette édition : le code région est absent des enregistrements. Seule l'analyse départementale est disponible.

Enfin, 1 107 communes n'ont pas de score, faute d'un signal. Leur absence du classement ne signifie pas qu'elles vont bien.

9. Méthode détaillée

Pour les lecteurs qui souhaitent reproduire ou critiquer le calcul.

Panel. Communes de France métropolitaine de 1 000 habitants et plus : 9 998 communes, dont 8 891 scorées.

Signaux. Quatre signaux retenus sur les six initialement envisagés — les migrations résidentielles et l'emploi local ont été écartés faute de couverture suffisante. Toutes les communes du top 200 disposent des quatre.

Standardisation. Chaque signal est centré et réduit à l'aide d'estimateurs robustes (médiane et écart absolu médian) plutôt que moyenne et écart-type, afin de ne pas laisser quelques valeurs extrêmes dicter l'échelle. Les valeurs sont au préalable ramenées aux 2ᵉ et 98ᵉ centiles.

Agrégation. Analyse en composantes principales sur les communes disposant de tous les signaux ; le score est la projection sur le premier axe. Coefficients enregistrés : 0,99 / 0,11 / 0,03 / 0,01. Un score équipondéré est calculé en parallèle comme contrôle ; la corrélation de rang entre les deux est de 0,70.

Sources. Enedis, données de raccordement et de consommation à la maille communale, 2018-2024. DVF (DGFiP), demandes de valeurs foncières, 2014-2024. INSEE, recensement de la population. DGFiP, majoration de taxe d'habitation sur les résidences secondaires, millésime 2024.

Version méthodologique. v1.0-phase3.

10. Et ensuite

Cette édition est une base de référence, pas un aboutissement. Trois chantiers nous paraissent prioritaires.

Rééquilibrer l'indice. Tant qu'un signal en porte 99 %, parler d'indice composite est excessif. Il faut soit renforcer les autres signaux, soit assumer un indicateur simple et bien nommé.

Ouvrir la question de la causalité. Comparer les trajectoires de communes comparables, dont l'une bascule et l'autre non, permettrait de dire quelque chose sur le mécanisme — et pas seulement sur la corrélation.

Descendre sous 1 000 habitants. C'est là que le phénomène est probablement le plus vif, et c'est là que nous ne voyons rien.

Les données de cette étude sont publiques et les scores communaux consultables commune par commune. Les critiques méthodologiques sont bienvenues : c'est ainsi qu'une édition suivante sera meilleure que celle-ci.