La gentrification, c’est l’appropriation de quartiers populaires par des classes socio-professionnelles supérieures. Cette gentrification peut se faire à l’échelle d’un quartier, d’un immeuble ou encore d’une ville.
Elle peut se mesurer ainsi par des analyses statistiques en comparant les revenus moyen d’une commune fourni par l’office locale de statistique d’une année à l’autre. Le problème de cette approche est qu’elle ne permet pas d’effectuer une analyse plus fine dans des communes ou à l’échelle infra-communale de ce phénomène en raison du secret statistique. Le secret statistique permet en France de ne pas donner des informations sur des zones avec un nombre restreint d’habitants.
C’est ce qui a poussé une équipe de chercheurs franco-canadien d’essayer de se soustraire à cette analyse purement statistique de la gentrification grâce aux intelligences artificielles(IA). Ils cherchent désormais de la mesurer grâce au développement d’une IA qui analysent le développement des images google street view. L’avantage de cette technique est qu’elle permet de mesurer à grande échelle la gentrification par rapport à des coordonnées x et y précises et de les intégrer dans un SIG afin d’en faire une analyse spatiale. La limite de cette approche est qu’elle ne permet pas une analyse de la gentrification dans les villes où il existe une politique de conservation du mobilier urbain historique. C’est le cas dans la ville test de Paris où l’urbanisme Haussmannien est présent depuis le 19e siècle. A Paris, il est apparu donc que la méthode de mesure à grande échelle de la gentrification par image est impossible en raison de la politique de la ville.
Il est cependant possible de la mesurer en utilisant la méthode d’analyses d’images par une IA mais de sélectionner en amont les villes où cette méthode est impossible en raison d’une conservation historique des caractéristiques urbaines de la ville. Dans ce cas là, il vaudrait mieux procéder à une analyse purement statistique malgré leur manque de précision.
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0212814