Zone de chalandise : isochrone en temps de trajet ou cercle ?

Une zone de chalandise est la zone géographique d'où un magasin tire l'essentiel de sa clientèle. La façon la plus rapide de la délimiter est un cercle : vous placez le magasin, vous réglez 5 km, vous comptez les habitants à l'intérieur. C'est aussi la moins précise, car les clients circulent sur des routes, et les routes ne dessinent pas de cercles.

Nous avons mesuré l'ampleur de cet écart. Pour 60 supermarchés à Lyon, Munich et Milan, nous avons demandé à notre Isochrone API la zone accessible en voiture en 5, 10 et 15 minutes, puis compté les habitants de chaque forme sur une grille de population de 100 mètres. Un cercle de 5 km contenait en médiane 1,7 fois plus d'habitants que la zone réellement atteinte en 10 minutes de voiture. Plus gênant pour le choix d'un emplacement, le cercle classait les magasins dans un ordre différent.

Cet article donne la définition de la zone de chalandise, compare les trois villes, présente les chiffres et se termine par les deux requêtes API qui permettent de tracer vous-même une zone de chalandise en isochrone.

Zone de chalandise : définition

Une zone de chalandise, aussi appelée zone d'attraction commerciale, est l'aire géographique dont un établissement tire la majorité de ses clients. Distributeurs, banques, cliniques, salles de sport et chaînes de restaurants l'utilisent pour les mêmes questions : combien de clients potentiels compte un site, combien de concurrents se les partagent, et un nouveau site prendrait-il des clients à un site existant.

Il existe trois façons courantes de la tracer :

• Le rayon. Un cercle de distance fixe à vol d'oiseau autour du site. Rapide, mais aveugle aux routes, aux fleuves et aux voies ferrées.
• Le temps de trajet. Une isochrone : l'ensemble des points accessibles en un temps donné en voiture, à pied ou à vélo, calculé sur le réseau routier. C'est la méthode que teste cet article.
• L'observation. La zone où vivent les clients réels, d'après les cartes de fidélité, les adresses de livraison ou des panels de géolocalisation mobile. La plus précise, mais disponible seulement une fois le site ouvert.

Les zones de chalandise en temps de trajet sont en général découpées en tranches. La zone primaire, proche du magasin, fournit l'essentiel des clients. La zone secondaire en fournit moins, et la zone tertiaire, en périphérie, apporte des visites occasionnelles. Nous avons retenu 5, 10 et 15 minutes en voiture.

Les zones de chalandise se chevauchent aussi. Un ménage situé à moins de 10 minutes de trois supermarchés répartit ses dépenses entre eux. La manière classique de modéliser ce partage est le modèle gravitaire publié par David Huff en 1964, Defining and Estimating a Trading Area : la probabilité de choisir un magasin augmente avec sa taille et diminue avec le temps de trajet pour s'y rendre. Toutes les variantes de ce modèle ont besoin de temps de trajet, une raison de plus de partir des isochrones.

Ce que nous avons mesuré

Nous avons pris tous les supermarchés référencés dans OpenStreetMap à moins de 15 km du centre de Lyon, Munich et Milan, puis tiré au hasard 20 magasins par ville parmi ceux situés à moins de 8 km du centre. Pour chaque magasin :

1. Les polygones de temps de trajet à 5, 10 et 15 minutes en voiture, obtenus avec la MapAtlas Isochrone API le 30 septembre 2026 sans heure de départ, donc sans trafic en temps réel.
2. Deux cercles autour du même point : un cercle fixe de 5 km, et un cercle de même surface exactement que le polygone à 10 minutes du magasin.
3. Les habitants à l'intérieur de chaque forme, d'après la grille de population GHS-POP R2023A du Centre commun de recherche (JRC) de la Commission européenne, en mailles de 100 mètres, estimation 2025.
4. Les concurrents à l'intérieur de chaque forme : les autres supermarchés de la liste OpenStreetMap.

La carte ci-dessous montre un magasin par ville : celui dont la population à 10 minutes est la plus proche de la médiane de sa ville.

Les polygones à 10 minutes sont irréguliers, avec de longues pointes le long des axes rapides et des creux là où le réseau est lent ou interrompu. Aucun des trois ne ressemble au cercle en pointillés, et dans les trois villes le cercle englobe des quartiers denses que le polygone à 10 minutes n'atteint pas.

Un cercle de 5 km compte 1,7 fois trop d'habitants

Toutes les valeurs sont des médianes sur les magasins de chaque ligne. La dernière colonne est la médiane du ratio calculé magasin par magasin.

Dans ces villes, 10 minutes de voiture couvrent environ 44 km², la surface d'un cercle de 3,7 km de rayon. Un cercle de 5 km couvre 79 km² : il compte donc plus d'habitants, et en médiane 1,7 fois plus. Le ratio varie aussi fortement d'un magasin à l'autre : de 21 à 87 % de la population du cercle est accessible en 10 minutes.

C'est cette variation qui pose problème. Deux supermarchés situés à environ 6 km du centre de Lyon l'illustrent. Le premier se trouve à Villeurbanne, dans la banlieue est, très dense. Le second est à Limonest, au nord-ouest de la ville, au pied des monts d'Or. En cercle, le premier compte 431 000 habitants et le second 168 000, soit un rapport de 2,6. En 10 minutes de voiture, le premier atteint 347 000 habitants et le second 36 000, soit un rapport de 9,6. Le cercle autour de Limonest s'étend encore jusqu'aux quartiers denses de Lyon, que les 10 minutes de voiture atteignent à peine.

Même un cercle de la bonne taille a la mauvaise forme

Objection légitime : un cercle de 5 km est tout simplement trop grand. Nous avons donc aussi tracé, pour chaque magasin, un cercle de même surface exactement que son polygone à 10 minutes.

La forme compte toujours. En médiane, le cercle de même surface manquait 14 % des habitants que le magasin peut atteindre en 10 minutes, et 15 % des habitants du cercle ne pouvaient pas rejoindre le magasin en 10 minutes. Les deux formes partageaient 64 % de leur surface cumulée. À Lyon, où les fleuves et les collines morcellent le réseau routier, le cercle manquait 20 % de la population accessible. À Munich et Milan, aux trames de rues plus plates et plus régulières, 13 et 12 %.

Pour un magasin isolé, une erreur de 15 % peut rester acceptable. Pour comparer des sites candidats, elle ne l'est plus, car l'erreur diffère d'un site à l'autre.

Le cercle classe les sites dans un autre ordre

Choisir un emplacement revient à classer des sites : lequel a le plus de clients potentiels ? Nous avons classé les 20 magasins de chaque ville deux fois, une fois selon la population du cercle de 5 km, une fois selon la population à 10 minutes en voiture.

• Corrélation de rang (Spearman) entre les deux classements : 0,70 à Lyon, 0,70 à Munich, 0,85 à Milan, et 0,64 sur les 60 magasins.
• Top 5 par ville : le cercle et le temps de trajet ne s'accordaient que sur 2 des 5 premiers magasins à Lyon, 2 à Munich et 3 à Milan.
• Meilleur site : le magasin à la plus forte population en temps de trajet arrivait 4e selon le cercle à Lyon et 6e à Munich. Seule Milan voyait les deux méthodes désigner le même magasin.

Si vous présélectionnez des sites selon la population d'un cercle, vous écarterez certains des meilleurs.

Les concurrents dans la zone de chalandise

Les mêmes formes répondent à la deuxième question d'implantation : quelle est la densité concurrentielle ? Dans la zone à 10 minutes du magasin médian se trouvaient environ 108 autres supermarchés de la liste OpenStreetMap, contre 167 dans le cercle de 5 km. Le cercle surestime la concurrence autant que la demande, et les deux erreurs ne se compensent pas, car elles touchent des magasins différents.

Ces décomptes incluent toutes les enseignes référencées comme supermarchés, des petits formats de centre-ville aux grandes surfaces : considérez-les comme une mesure de densité. Pour estimer une vraie part de marché, pondérez chaque concurrent par sa taille et par son temps de trajet vers chaque ménage, ce que fait le modèle de Huff.

Analyse de zone de chalandise en isochrone : la méthode

Deux étapes : demander les polygones, puis compter ce qu'ils contiennent.

1. Demandez l'isochrone. Une seule requête POST par site renvoie toutes les tranches à la fois :

curl -X POST "https://gateway.mapmetrics-atlas.net/isochrone/?token=YOUR_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "locations": [{"lat": 45.7640, "lon": 4.8357}],
    "costing": "auto",
    "contours": [{"time": 5}, {"time": 10}, {"time": 15}],
    "polygons": true
  }'

La réponse est une FeatureCollection GeoJSON avec un polygone par contour. Utilisez "costing": "pedestrian" pour un magasin de proximité en centre dense, où la plupart des clients arrivent à pied.

2. Comptez ce qu'elle contient. Croisez chaque polygone avec une source de population : une grille de population comme GHS-POP, des zones de recensement, ou vos propres adresses clients. Avec une grille, additionnez les mailles dont le centre tombe dans le polygone. Avec des unités de recensement, répartissez la population de chaque unité selon la part de sa surface située dans le polygone. Faites de même avec votre liste de concurrents.

Trois choix influencent davantage le résultat que la méthode elle-même :

• Des tranches de temps selon le type de commerce. Une supérette et un magasin de meubles dans la même rue ont des zones de chalandise très différentes. Prenez une tranche courte pour les achats quotidiens et une longue pour les achats occasionnels.
• Le trafic. Nos polygones utilisent des vitesses routières typiques, sans trafic en temps réel. Pour un magasin dont le pic d'affluence tombe à l'heure de pointe du soir, la zone accessible à cette heure est plus petite.
• Le mode de déplacement. En centre-ville, beaucoup de clients viennent à pied ou à vélo. Comparez une isochrone à pied avec une isochrone en voiture avant de décider laquelle retenir.

Pour tracer une zone de chalandise gratuite sur une seule adresse, la carte des temps de trajet dessine les mêmes isochrones dans le navigateur, et la carte de rayon trace le cercle pour comparer.

Méthode et limites

• Magasins : tous les nœuds ou ways OpenStreetMap portant le tag shop=supermarket à moins de 15 km de chaque centre-ville (287 à Lyon), dont 20 tirés au hasard avec une graine fixe parmi ceux situés à moins de 8 km. La couverture OpenStreetMap des petits commerces varie, si bien que les nombres de concurrents sont une borne inférieure dans certains quartiers.
• Zones en temps de trajet : MapAtlas Isochrone API, costing auto, contours à 5, 10 et 15 minutes, demandés le 30 septembre 2026 sans heure de départ. Elles reflètent des vitesses routières typiques, sans le trafic de l'heure de pointe, et n'incluent pas le temps de stationnement.
• Population : GHS-POP R2023A, époque 2025, mailles de 100 mètres dans la projection équivalente World Mollweide. Les valeurs 2025 sont modélisées à partir des recensements et du bâti, et comptent les habitants à leur lieu de résidence : la population de jour, comme les employés de bureau, n'est pas incluse. Une maille est comptée quand son centre tombe dans la forme.
• Cercles : cercles géodésiques autour des coordonnées du magasin. Le cercle de même surface a la surface du polygone à 10 minutes du magasin.
• Échantillon : 60 magasins dans trois villes suffisent pour montrer l'ampleur et le sens de l'erreur, mais pas pour fournir un facteur de correction applicable à d'autres villes. La même méthode s'exécute en quelques minutes sur n'importe quelle liste de sites.

Télécharger les données : catchment-area-analysis-2026-09-30.csv (60 magasins, une ligne chacun, avec les surfaces en temps de trajet, la population par tranche et par cercle, et le nombre de concurrents ; emplacements des magasins © contributeurs OpenStreetMap, ODbL ; population GHS-POP R2023A, CC BY 4.0 ; chiffres dérivés CC BY 4.0 MapAtlas).

Le script et les résultats bruts sont dans nos archives de recherche : scripts/seo/blog-keyword-research/catchment-area-analysis.py et docs/blog-keyword-research/catchment-area-analysis-2026-09-30.json.

Pour aller plus loin

Le calcul des polygones est expliqué dans qu'est-ce qu'une isochrone. Pour de nombreuses origines et destinations à la fois, comme chaque ménage vers chaque magasin dans un modèle de Huff, utilisez une matrice de distances. Le guide du store locator montre les mêmes données du point de vue du client.

L'Isochrone API renvoie les polygones de temps de trajet en voiture et à pied utilisés ici, et la GeoEnrich API ajoute les points d'intérêt et le contexte de quartier autour de n'importe quelle adresse.