Carte choroplèthe : définition, exemples et mise en œuvre via API

La carte choroplèthe est la carte thématique la plus courante dans la presse, dans les rapports publics et sur les tableaux de bord d'entreprise. Si vous avez déjà regardé une carte électorale colorée selon la marge, une carte du COVID selon le taux d'incidence ou une carte du PIB selon le revenu, vous avez déjà lu une choroplèthe.

Ce guide explique ce qu'est une carte choroplèthe, dans quels cas l'utiliser, les erreurs les plus fréquentes, et comment construire une choroplèthe en production avec une API de tiles vectoriels.

La définition en une phrase

Une carte choroplèthe colore chaque région d'une carte selon une seule valeur numérique mesurée pour cette région, à l'aide d'une échelle de couleur qui encode la magnitude.

Le mot vient du grec khoros (aire) et plethos (multitude). Il remonte aux statisticiens français des années 1820 et reste depuis le pilier de la cartographie thématique.

Exemples de cartes choroplèthes

Quelques usages classiques :

• Densité de population par pays, région ou code postal
• Résultats électoraux par circonscription, avec intensité de couleur selon la marge
• PIB par habitant par pays, souvent en échelle logarithmique
• Taux de chômage par région
• Taux de COVID pour 100 000 habitants par département
• Prix moyen de l'immobilier par quartier
• Adoption du haut débit par IRIS
• Rendement agricole par région

Le point commun : une seule valeur numérique par région prédéfinie.

Carte choroplèthe vs carte de chaleur

Les deux sont souvent confondues. La distinction est essentielle.

Une carte choroplèthe a besoin de régions prédéfinies. Les données sont déjà agrégées. Chaque région reçoit une couleur. Les limites font partie du message.

Une carte de chaleur a besoin de données ponctuelles. La densité est calculée par binning ou lissage par noyau. Le résultat est un gradient continu qui ignore les limites administratives. Utile pour repérer des clusters, pas pour comparer des régions.

Si vous avez un nombre par code postal, choisissez une choroplèthe. Si vous avez un nuage de pings GPS, choisissez une carte de chaleur.

Comment se construit une carte choroplèthe

Trois ingrédients :

1. La géométrie des frontières. Un jeu de polygones GeoJSON (ou de couches de tiles vectoriels) pour les régions que vous voulez colorer, chacun doté d'un identifiant stable (code pays ISO, FIPS d'État américain, code NUTS européen, code postal).
2. Une valeur de donnée par région. Un simple objet JSON ou un CSV indexé sur le même identifiant.
3. Un moteur de rendu qui les associe. Les bibliothèques web modernes (MapLibre GL, Mapbox GL, deck.gl, OpenLayers) peuvent joindre données et frontières à l'exécution via feature-state ou via une expression sur les propriétés.

Voici le pattern conceptuel en MapLibre GL JS :

map.addSource('regions', {
  type: 'vector',
  url: 'https://api.mapatlas.xyz/v1/tiles/regions.json',
});

map.addLayer({
  id: 'regions-fill',
  type: 'fill',
  source: 'regions',
  'source-layer': 'regions',
  paint: {
    'fill-color': [
      'interpolate',
      ['linear'],
      ['feature-state', 'value'],
      0,   '#f7fbff',
      50,  '#6baed6',
      100, '#08306b',
    ],
    'fill-opacity': 0.8,
  },
});

// Push your data to each feature at runtime
for (const [regionId, value] of Object.entries(yourData)) {
  map.setFeatureState(
    { source: 'regions', sourceLayer: 'regions', id: regionId },
    { value }
  );
}

La carte récupère les tiles de frontières une seule fois et les restyle à mesure que vos données changent. Aucun rendu serveur.

Choisir la bonne échelle de couleur

Trois règles :

Séquentielle pour les données unidirectionnelles. Du clair au foncé dans une seule teinte. Pour les grandeurs qui vont de bas en haut sans point médian significatif (population, revenu, taux).

Divergente pour les données bidirectionnelles. Un point médian neutre et deux teintes qui s'écartent (rouge et bleu, marron et sarcelle). Utile lorsque zéro ou la moyenne ont un sens et que les valeurs peuvent se situer de part et d'autre (variation annuelle, marge électorale, écart à la moyenne).

Évitez les échelles arc-en-ciel. Elles suggèrent un ordre que la perception humaine ne restitue pas uniformément. Elles posent aussi un vrai problème pour les personnes daltoniennes. ColorBrewer (colorbrewer2.org) est la référence standard pour les palettes choroplèthes éprouvées.

Erreur classique : trop de classes. Cinq à sept, c'est l'idéal. Au-delà, le lecteur ne distingue plus les nuances voisines.

La question de la classification

Une fois l'échelle choisie, il faut décider où placer les bornes des classes :

• Intervalles égaux. Découpe la plage en tranches égales. Convient à des données uniformément réparties, échoue avec des valeurs aberrantes.
• Quantiles. Chaque classe contient le même nombre de régions. Utile pour rendre toutes les nuances visibles, mais masque l'ampleur réelle des écarts.
• Ruptures naturelles (Jenks). Minimise la variance intra-classe. Le défaut le plus piloté par les données.
• Manuel. Lorsque les bornes portent un sens propre (tranches d'imposition, seuils démographiques).

Ce choix a un effet réel sur l'histoire que raconte la carte. Publiez la méthode de classification dans tout rapport sérieux.

Pièges fréquents

Biais de surface. Les régions vastes et peu peuplées dominent visuellement la carte. Une choroplèthe des présidentielles américaines colorée par marge paraît majoritairement rouge parce que les comtés ruraux sont immenses. Les cartogrammes ou cartes par densité de points corrigent ce travers.

Effectifs bruts au lieu de taux. Une carte des "cas de COVID par État" est avant tout une carte de la population. Normalisez toujours par population, surface ou autre dénominateur, sauf si l'effectif absolu est précisément ce que vous voulez transmettre.

Échelle trompeuse. Les échelles par quantiles rendent toute carte intéressante même quand la dispersion est minime. Les intervalles égaux aplatissent les cartes dès qu'il y a des valeurs aberrantes. Adaptez la classification à la question posée.

Données manquantes. Décidez en amont si une région sans valeur s'affiche en gris, est omise ou est colorée comme zéro. Chaque choix change la lecture.

Quand préférer un autre graphique

Si vos données sont multivariées par région, la choroplèthe les aplatit. Pensez à :

• Small multiples. Une grille de choroplèthes, une par variable.
• Choroplèthe bivariée. Deux variables encodées par une grille de couleurs 2D. Difficile à lire mais puissante quand elle fonctionne.
• Cartogramme. Déforme la taille des régions selon la valeur, utile lorsque le biais de surface domine.
• Histogramme posé sur une carte. Parfois, les données sont surtout un tableau et la carte n'est qu'un décor.

La cartographie est un acte de communication. La choroplèthe n'est qu'un outil parmi d'autres.

La place de MapAtlas

La Dynamic Maps API fournit des sources de tiles vectoriels pour les frontières de pays, régions et codes postaux, que vous stylisez à l'exécution avec vos propres données, exactement comme dans l'extrait MapLibre ci-dessus. Les frontières sont hébergées dans l'UE, versionnées, et conçues pour se joindre proprement aux identifiants standards (ISO 3166, NUTS, systèmes postaux nationaux).

Pour les pages qui doivent afficher des statistiques agrégées par région (prix immobilier par code postal, coût de livraison par région, ventes par territoire), la GeoEnrich API renvoie les valeurs par région indexées sur les mêmes identifiants, de sorte que la même jointure fonctionne à la fois pour la carte et pour vos tableaux. Le contexte complet sur les cartes thématiques est traité dans le Thematic Map Guide.