|
|
Amnistie Présidentielle et Sécurité Routière
Rapport d’un groupe d’experts
Septembre 2002
|
|
Ruth Bergel |
INRETS |
|
Laurent Carnis |
Université de Reims Champagne-Ardenne |
|
Sylvain Lassarre |
INRETS |
|
Patrick Le Breton |
SETRA |
|
Alain Le Tertre |
InVS |
|
Yves Page |
LAB Membre du Comité d'experts du Conseil National de Sécurité Routière |
|
Bertrand Thélot |
InVS |
|
Zoé Uhry |
InVS |
1.1. Contexte
1.2. Approche retenue
1.3. Structure du rapport
2.1.Les mécanismes
2.2.Principes généraux de l’évaluation
3.1. Matériel et méthode
3.2. Résultats
3.3. Bibliographie
4.1. Matériel et méthode
4.2. Résultats
4.3. Discussion
4.4. Annexes
4.3. Bibliographie
5.1. Matériel et méthode
5.2. Résultats
5.3. Discussion
1.1. Contexte
Au cours de l’année 2001, alors que se rapprochait la date d’une nouvelle élection présidentielle en France au printemps 2002, la presse, des associations et des experts en sécurité routière ont analysé l’influence éventuelle d’une amnistie des infractions sur la sécurité routière : les conducteurs, avertis d’une possible amnistie présidentielle des infractions, auraient un comportement moins prudent et respecteraient moins le code de la route qu’en période normale. Il y aurait ainsi davantage d’accidents de la route, provoquant davantage de blessés et de morts.
Cette position, développée notamment par le professeur Claude Got, a été critiquée en particulier dans la revue La Recherche de décembre 2001 par Jean Orselli, qui contestait à la fois l’effet de l’annonce d’une amnistie sur le comportement des conducteurs et la démonstration, par Claude Got et sur la base de méthodes statistiques simples, d’une augmentation du nombre de tués sur la route dans les mois qui ont précédé les élections présidentielles de 1988 et 1995.
Parallèlement à la controverse, le comité d’experts du Conseil National de la Sécurité Routière (CNSR) a souhaité constituer un groupe d’experts chargés d’examiner cette question. Ce groupe, constitué par Yves Page, membre du comité d’experts du CNSR et appartenant au LAB, et Sylvain Lassarre, directeur de recherche à l’INRETS, est composé de chercheurs de l’InVS, du SETRA et de l’INRETS. Il s’est réuni à différentes reprises en février et mars 2002.
Fin mars 2002, une lettre du secrétaire Général de l’Observatoire Interministériel de la Sécurité Routière, Jean Chapelon, a été adressée aux Directions Générales de l’INRETS, de l’InVS et du SETRA, saisissant officiellement ces trois organismes afin de préciser la relation entre la possible anticipation des effets de l’amnistie des fautes de conduite qui accompagne l’élection présidentielle et l’accidentalité (cf. annexe générale 1). Un chercheur de l’Université de Reims Champagne-Ardenne s’est également joint au groupe.
Le groupe d’experts a ensuite travaillé pour déterminer les liens éventuels entre l’annonce d’une amnistie potentielle après les élections présidentielles et l’augmentation réelle ou supposée des accidents de la route.
1.2. Approche retenue
La question posée, dans une formulation générale, était la suivante : La sécurité routière est-elle modifiée par la pratique de l’amnistie présidentielle en France ?
Cette question a une portée assez vaste et le groupe a souhaité réduire cette portée à la question suivante: Le nombre d’accidents de la route augmente-t-il du fait des amnisties présidentielles ?
Pour des raisons de disponibilité des données statistiques, et aussi pour rendre compte des conséquences les plus graves des accidents de la route, le groupe d’experts a décidé de restreindre cette question à la question suivante: En France, le nombre de tués sur les routes augmente-t-il du fait d’une annonce anticipée, plusieurs mois avant une élection présidentielle, d’une possible amnistie?
Par ailleurs, le groupe a convenu de limiter l’analyse aux élections présidentielles de 1988 et de 1995. Pour ces élections, de nombreux articles ont été publiés avant les dates du scrutin, détaillant la meilleure manière d’éviter des contraventions ou de faire en sorte qu’elles soient couvertes par l’amnistie à venir. Les élections antérieures à 1988 n’ont pas été retenues pour l’analyse. En effet, la pratique d’une amnistie après une élection présidentielle est récente et ne date que de 1966. Lors de l’élection présidentielle de 1969, une anticipation de l’amnistie était impossible puisque l’élection n’était pas prévue, le général De Gaulle ayant quitté ses fonctions de président en avril 1969 juste après le référendum. En 1974, la relative soudaineté du décès du Président de la République et de l’élection qui a suivi a probablement empêché un effet d’anticipation. Quant à 1981, l’élection était certes prévue, mais le groupe a admis, sur la base des recherches effectuées par le Professeur Got, qu’il n’y avait pas eu dans la presse, spécialisée ou non, de conseils aux lecteurs pour anticiper cette amnistie.
Le groupe d’experts a également considéré que l’effet possible de l’annonce d’une amnistie pouvait se manifester avant et après la date de l’élection présidentielle. Il pouvait exister un délai d’anticipation avant la date de l’élection, à partir de la date du premier article paru dans la presse ; il pouvait également exister un délai après cette date, par un effet d’inertie des comportements.
En outre, ce choix tient compte du fait que la loi d’amnistie est promulguée quelques semaines après l’élection elle-même et concerne un certain nombre d’infractions commises jusqu’à la date d’investiture du nouveau président de la République. Le groupe s’est cependant laisser la liberté de déterminer les délais avant et après en fonction des données elles-mêmes.
Finalement, la question examinée par le groupe a été la suivante :
|
Peut-on mettre en évidence, en 1988 et/ou en 1995, dans les périodes encadrant les dates de l’élection présidentielle, une variation du nombre de tués sur les routes en France ?
|
Remarques
- Les éventuelles variations observées ont systématiquement fait l’objet de tests pour déterminer si elles étaient statistiquement significatives.
- La réponse à la question ainsi formulée laisse entière la notion de causalité. Quelles que soient les variations statistiques qui pourraient être établies, il s’agirait simplement d’une association statistique entre deux évènements (annonce d’une amnistie présidentielle et variation du nombre de tués). On ne saurait attribuer sans autre précaution, du point de vue scientifique, ces variations à l’amnistie. Il faudrait juger, à l’aide de critères supplémentaires, couramment utilisés en épidémiologie, du lien de causalité entre les évènements
- De multiples approches sont envisageables pour répondre à la question posée. Compte tenu du temps imparti et des outils disponibles, le groupe a décidé de limiter son travail à la mise en œuvre de modèles de séries chronologiques. L'utilisation de plusieurs types de modèles devait permettre d'éprouver la robustesse des résultats.
- Le groupe a également décidé de limiter les analyses à la situation française compte tenu des délais impartis et des données disponibles.
1.3. Structure du rapport
La première partie du rapport explore brièvement les mécanismes pouvant intervenir dans la modification des comportements des conducteurs à l’annonce d’une amnistie ; elle présente ensuite les principes généraux de l’évaluation par des méthodes statistiques en sécurité routière.
Le groupe a mis en œuvre trois types de modèles statistiques :
- Un modèle de désaisonnalisation sur la série journalière et mensuelle du nombre de tués.
- Un modèle ARIMAX sur la série mensuelle du nombre de tués.
- Un modèle GAM sur la série journalière du nombre de tués.
Ces approches sont apparues très différentes, du point de vue des modèles utilisés et des résultats obtenus. Elles sont donc présentées de manière indépendante dans la suite du rapport. Une discussion générale tente en dernier lieu de faire une synthèse des points de convergence et de divergence.
Les effets de l’annonce d’une amnistie présidentielle sur le comportement des conducteurs et sur les acteurs du contrôle routier et des sanctions pénales ne sont pas, à notre connaissance, scientifiquement documentés. Nous proposons cependant une présentation théorique de ce que pourraient être ces effets afin de montrer que le postulat de départ, à savoir une modification des comportements vers des conduites moins sécuritaires, ne va pas nécessairement de soi.
2.1. Les mécanismes
L'amnistie est la disposition temporaire et exceptionnelle qui consiste à abandonner une poursuite ou une peine à l'égard d'un justiciable ayant commis une infraction spécifique. Elle constitue une modulation de la politique de sanction qui est justifiée par des circonstances exceptionnelles (l'élection présidentielle dans le cas présent).
L'accident est le produit d'un ensemble de défaillances techniques et/ou humaines non récupérées. Certaines défaillances ont pour origine des infractions volontaires au Code de la route, comme le non-respect du feu rouge ou d'un stop, la conduite en état alcoolique ou encore un excès de vitesse. D'autres défaillances sont le résultat de conduites dangereuses mais non infractionnistes (fatigue, vitesse inadaptée compte tenu des conditions météorologiques) ou le produit d'erreurs non volontaires (une erreur de perception par exemple).
Une infraction est un acte potentiellement dangereux. L'analyse détaillée des accidents et les études statistiques mettant en relation des indicateurs du risque routier (par exemple le nombre d’accidents ou le nombre de tués sur les routes) et les infractions commises l’ont établi. On comprend dès lors qu'il puisse exister une relation possible entre le mécanisme de l’annonce d’une amnistie, si celle-ci génère des infractions, et le niveau de l'insécurité routière.
2.1.1. Comprendre le mécanisme de détection et de sanction : le cadre théorique
La théorie de la dissuasion suggère que le conducteur est moins incité à commettre un acte dés lors que la sanction potentielle[1] s’accroît ou qu’il supporte les conséquences de celui-ci (dégâts matériels, personnes blessées ou décédées, sentiment d'insécurité). Ainsi, l'objectif de la politique de dissuasion est d'éviter la réalisation de certains actes en faisant peser sur son auteur les coûts de son action. Une politique d'amnistie annoncée consiste alors à réduire les incitations à respecter le Code de la route par une diminution de la sanction potentielle. Le conducteur n'est pas poursuivi ou n’est pas sanctionné pour la réalisation d'actes couverts par la loi d'amnistie. On peut donc anticiper une recrudescence d'infractions et une augmentation des dommages associés.
2.1.2. L'adaptation des conducteurs
Les conducteurs peuvent ajuster leur comportement aux infractions supposées concernées par l’amnistie. En effet, toutes les infractions ne sont pas couvertes par l ‘amnistie[2]. Si celle-ci concerne des infractions qui sont peu contrôlées et/ou peu sanctionnées, la remise de peine serait suffisamment faible pour qu'elle ne soit pas prise en compte par un certain nombre de conducteurs (cas des faibles excès de vitesse). Dans ce cas, il ne devrait pas y avoir d'évolution particulière de l'infractionnisme.
Si la loi d'amnistie concerne des infractions qui font habituellement l'objet d'une politique de dissuasion effective, alors cette mesure favoriserait la réalisation de ce type d'infractions en plus grand nombre. Certains conducteurs qui n'obéissaient que partiellement aux prescriptions du Code de la route les respecteraient encore moins. D'autres conducteurs qui respectaient ces dispositions, seraient alors disposés à commettre des infractions.
Le troisième mécanisme reposerait sur de possibles substitutions entre les différents types d'infractions. Certaines infractions resteraient susceptibles d'être sanctionnées, d'autres seraient exonérées de toute poursuite. Certains conducteurs pourraient alors commettre des infractions non susceptibles de poursuite et ne commettraient plus celles qui ne seraient pas visées par l'exemption. En conséquence, les dommages associés aux premières augmenteraient et diminueraient pour les secondes.
Au niveau agrégé et d'un point de vue théorique, l'effet d'une politique d'amnistie reste a priori incertain.
2.1.3. L'adaptation des forces de contrôle et de justice
Le contrôle et la sanction des infractions dépendent du comportement des conducteurs[3] mais également des stratégies adoptées par les forces de l'ordre (contrôle automatisé, contrôle des vitesses ou de l'alcoolémie, choix de l'axe et du moment de contrôle, amende forfaitaire ou utilisation du procès verbal, etc.).
L’annonce d’une amnistie a pour conséquence d'annihiler les efforts initiaux entrepris par les forces de l'ordre. L'infraction détectée et enregistrée par les gendarmes et les policiers ne sera pas poursuivie. L'infraction transmise aux tribunaux ne sera pas traitée ou la sanction ne sera pas exécutée[4]. Dans une certaine mesure, les ressources utilisées auront été vaines.
L'anticipation des agences de contrôle et de justice d'une politique d'amnistie peut conduire à une ré-allocation des ressources. Elle peut conduire à délaisser l'activité de poursuite des infractions susceptibles de bénéficier de l'amnistie (excès de vitesse par exemple) et à concentrer l'activité de dissuasion sur d'autres infractions (conduites en état alcoolique par exemple). Dans ce cas, la probabilité de détection serait accrue pour les infractions les plus graves, ce qui tendrait à entraîner une réduction de l'insécurité routière associée. Les forces de l’ordre peuvent également allouer les ressources vers des activités ne relevant pas de l'activité de sécurité routière.
Enfin, les tribunaux pourraient utiliser l'annonce d’une amnistie pour réduire les stocks d'affaires non traitées et privilégier le traitement des infractions les plus dangereuses. La célérité avec laquelle est rendu le jugement[5] permettrait d'accroître la portée dissuasive du dispositif de contrôle et de sanction.
En conséquence, l'adaptation comportementale des forces de contrôle et de sanction peut produire deux effets de sens opposé. Elle pourrait réduire la sanction potentielle (détection et condamnation plus faibles) de certaines infractions et accroître celle d'autres infractions. Il pourrait donc exister une forme de substitution entre les différentes infractions, dont l'effet sur le risque routier ne peut être déterminé a priori.
2.1.4. Qualité de l'information et adaptation des comportements
Les comportements des conducteurs et des agents des forces de contrôle et de justice s'adaptent mutuellement. Les premiers tiennent compte de la stratégie adoptée par les forces de l'ordre. Les seconds modulent l'intensité de la détection et la sévérité de la sanction selon l'importance des comportements infractionnistes.
Les adaptations comportementales résultent également de la publicité relative à la pratique de l'amnistie. Si la pratique de l'amnistie est inconnue de la part des infractionnistes, il n'y a aucune raison pour qu'une modification comportementale (de la part des conducteurs) se produise. Au contraire, si les conducteurs sont parfaitement informés, les ajustements présentés pourraient se produire.
Par ailleurs, le contenu de l'information importe également. Si la nature des infractions amnistiables est incertaine, les conducteurs seront plus ou moins enclins à prendre le risque de commettre l'infraction[6]. De même, une meilleure information des conducteurs sur la modification des pratiques de contrôle peut accentuer les modifications comportementales.
2.1.5. Conclusion
La pratique de l'amnistie est un mécanisme complexe d'interactions entre différents agents aux anticipations particulières. Les mécanismes de substitution (entre infractions pour les conducteurs et entre activités de contrôle et de sanction pour les forces de l'ordre) rendent ambivalents les effets de cette politique. Le résultat dépend de l'intensité avec laquelle se produisent ces substitutions mais également de la nature de cette substitution.
En l’absence d’études confirmant ou infirmant ces hypothèses théoriques, nous n’avons pas aujourd’hui la possibilité de conclure sur les comportements adoptés par les conducteurs, les forces de l’ordre et les tribunaux et prendre position sur l’éventuel sens des effets des amnisties que nous étudions.
2.2. Principes généraux de l’évaluation
L’évaluation statistique des effets de l’annonce d’une amnistie sur le risque routier est du type avant/après. Il s’agit d’une quasi-expérimentation au sens où l’annonce d’une amnistie est assimilée à une intervention qui n’obéit pas à un processus expérimental, sa nature étant politique. On se sert de la période avant pour prédire le niveau de risque après sans l’amnistie toutes choses égales par ailleurs. L’effet de l’amnistie est estimé par différence entre le risque observé pendant l’amnistie et le risque prédit sans amnistie.
Les risques de biais avec ce type de plan quasi-expérimental sont sérieux. Il suffit que les conditions du système de transport routier changent entre les deux périodes (une hausse des carburants qui génère une baisse de trafic et de la vitesse par exemple) pour que l’estimation de l’effet de l’amnistie soit biaisée par inclusion des effets d’autres facteurs qui n’ont pas été égaux. Pour corriger cette source de biais, on a recours soit à l’introduction d’un contrôle, soit à la modélisation statistique. Il paraît difficile de trouver un contrôle, l’amnistie touchant tous les conducteurs[7] et tous les types de réseau routier. L’analyse comparative entre pays n’est pas assez avancée pour que l’on puisse utiliser comme contrôle les statistiques d’insécurité routière de pays européens voisins. Il reste la voie de la modélisation avec l’adjonction de variables dont on modélise l’effet. On ne peut pas exclure par cette méthode la possibilité d’un biais. Par ailleurs, il suffit de penser à tous les évènements ou toutes les mesures de sécurité routière qui sont prises au niveau local et national dans une année pour mesurer la difficulté d’extraire l’effet d’une seule d’entre elles.
La validité de l’évaluation avant/après repose sur la définition d’une fonction d’intervention et d’un modèle d’évolution du risque routier, qui est mesuré ici par le nombre de tués à 6 jours.
Concernant l’amnistie, il faut préciser la forme que prend cette intervention au moyen d’une fonction. Cela passe par la détermination d’une période d’action de l’amnistie sur le comportement des conducteurs et des policiers et d’une forme d’intensité de cette action. Le début de l’intervention peut être repéré par l’apparition dans les media d’annonces ou de modes d’emploi de l’amnistie (presse écrite spécialisée ou non, télé et radio), avec quelques mois d’avance sur la campagne présidentielle. La différence de régime en matière de battage médiatique avec plus ou moins d’écho dans l’opinion et la campagne présidentielle est un facteur différentiel intéressant si on peut le mesurer. La fin peut être datée par l’investiture du président de la République ou par la promulgation de la loi d’amnistie. Par conséquent, la forme de l’intervention est floue comme l’est dans l’esprit des conducteurs l’étendue (nature et durée) de l’amnistie[8]. On peut admettre une progressivité suivie d’un arrêt brutal, un plateau ou encore un effet brusque suivi d’un rattrapage etc. Autant de formes de fonction d’intervention à tester par les modèles statistiques.
Les modèles statistiques sont fondés sur l’analyse de la série chronologique du nombre de tués. Deux types de modèles sont utilisés ici :
- un modèle d’ajustement (statique) du logarithme de l’espérance du nombre de tués qui est supposé suivre une loi de Poisson[9].
à l’aide de trois composantes : une fonction déterministe du temps, une fonction d’intervention, et une forme linéaire des variables explicatives,
- un modèle autoprojectif (dynamique) de la classe ARIMAX (ou ARIMA avec variables exogènes.
,
avec en plus ut, le
bruit blanc.
Par rapport à une brutale comparaison
avant/après qu’on identifie au degré zéro de l’évaluation (
)[10],
ces modèles ont comme intérêt de replacer l’intervention dans la tendance ou
la dynamique de l’évolution du nombre de tués et de tenir compte des effets
d’autres facteurs qui influent sur la sécurité comme le kilométrage parcouru[11]
(mesure de l’exposition au risque), la vitesse moyenne pratiquée sur le
réseau, le prix des carburants, la météorologie qui agit indirectement via
le kilométrage et la vitesse et directement (glissance par exemple) sur le
risque, etc. Le deuxième intérêt est de permettre d’estimer la
significativité de l’effet de l’intervention grâce à une hypothèse sur la
distribution du nombre de tués (Poisson ou log-normale).
L’examen des formes des modèles avec leurs hypothèses sous-jacentes est fondamental pour déterminer le degré de validité de l’évaluation. L’évaluation est biaisée dès lors que le modèle est mal spécifié ou que la forme de l’intervention n’est pas appropriée.
3.1. Matériel et Méthodes
Le modèle GIBOULEE, utilisé par l'Observatoire National Interministériel de Sécurité Routière, a été développé par l’OEST, le SETRA, l'INRETS et l’Université Paris-1 au début des années 1990, et est depuis 1995 exploité par le SETRA (Bergel, Girard, Lassarre, Le Breton, 1995). Il a pour but d'analyser l'évolution de l'insécurité routière à partir des séries chronologiques journalières d'un certain nombre d'indicateurs de sécurité routière (les nombres d’accidents corporels et de victimes de la circulation routière).
Ce modèle permet, pour ces indicateurs, de séparer la tendance conjoncturelle des effets saisonniers d'une part et de l’aléa d'autre part. A la différence d’un modèle de désaisonnalisation classique sur données mensuelles, celui-ci comporte un pré-traitement des données journalières qui consiste à les corriger des fluctuations transitoires (ou variations locales) qui se manifestent au niveau du jour. Les données corrigées des variations locales (c.v.l.) sont ensuite agrégées en rythme mensuel, et corrigées des variations saisonnières (c.v.s.).
En rythme mensuel, la comparaison des valeurs corrigées des variations saisonnières aux valeurs de tendance, et l’étude de la tendance permettent d'identifier certains effets. Une vision globale de l'évolution de la sécurité routière sur plusieurs années peut ainsi être obtenue, alors que le même type de courbes en données brutes est peu lisible.
3.1.1. Les Corrections
La correction statistique des indicateurs s'effectue en deux étapes. Ceux-ci peuvent ainsi être comparés, d’un jour à l’autre, et d’un mois à l’autre.
3.1.1.1. Correction Journalière
L'opération consiste à prendre en compte les effets nationaux et régionaux des conditions météorologiques, et les effets induits par la structure du calendrier :
L'effet de la météorologie est pris en compte au moyen de formules de régression linéaire visant à estimer l'indicateur de sécurité étudié (par exemple le nombre de tués) à partir de variables issues d'un fichier de données météorologiques, relatives à la neige, à la pluie, à la température, au brouillard et à la pression atmosphérique (Source Météo–France).
- Cet effet de la météorologie est évalué mois par mois : la régression portant en fait sur 3 mois, dont on ne retient que l’effet sur le mois central, de manière à éviter les effets de bord.
- Il est évalué à partir de moyennes nationales spatiales, et de variables régionales (Bordeaux, Orléans, Dinard, Grenoble, Nancy, Marignane) qui rendent compte des diversités climatiques).
- Enfin, il est différencié suivant le type de jour de la semaine (lundi à jeudi, vendredi, samedi et veille de fête, dimanche et jour de fête), l’influence du climat s’exerçant différemment selon le type de jour.
L'effet de calendrier est ensuite estimé au moyen d'un modèle ARIMA. Comme pour la météo, plusieurs aspects sont pris en compte :
- les jours exceptionnels : jours de départs et de retours de vacances, jours de vacances, ainsi qu’un certain nombre de jours avoisinant les jours fériés.
- la périodicité des jours de la semaine, ou hebdomadairité.
3.1.1.2. Correction Mensuelle
L'indicateur précédemment corrigé des effets journaliers va ensuite l'être de l’effet du mois. C'est la correction de la saisonnalité. Celle-ci peut évoluer lentement dans le temps, correspondant en cela à un éventuel changement dans les habitudes de circulation ou de sécurité des usagers. Elle est ici mise en oeuvre avec la méthode de désaisonnalisation CENSUS X 11.
3.1.2. La tendance
La même méthode permet ensuite de déterminer une tendance conjoncturelle (ou tendance de court terme), obtenue par lissage statistique (moyenne mobile centrée d'HENDERSON).
L’écart entre la valeur désaisonnalisée et la valeur de tendance, ou résidu, prend en compte l’effet instantané des variables non prises en compte dans le modèle, pour le mois considéré ; en revanche, leur effet durable (sur plusieurs mois) s'exprime par l'inflexion de la tendance conjoncturelle.
3.2. Résultats
La série du nombre des tués en France présente deux caractéristiques : elle a de nombreuses inversions de tendance, et semble réagir fortement à certains événements qui sont, pour l’essentiel, des campagnes et des mesures réglementaires liées à la sécurité routière (Graphique 3.2.). Ces réactions sont à imputer au comportement humain observable, bien plus qu’aux caractéristiques de l’infrastructure ou du véhicule, qui évoluent et agissent sur le long terme.
Le graphique 3.2. donne l’évolution des données cvs et de la tendance du nombre mensuel de tués, obtenue par le modèle de désaisonnalisation Giboulée.
Les valeurs c.v.s. constatées de novembre 1987 à juillet 1988 sont plus élevées que les valeurs c.v.s. des mois qui précèdent (on observe notamment des valeurs c.v.s. faibles au cours du premier semestre 1987) et des mois qui suivent. Elles restent toutefois d'un niveau comparable à celles globalement constatées en 1986 et à la fin de 1989.
Certaines valeurs c.v.s. observées au cours de la période de la fin 1994 à la mi-1995 apparaissent plus élevées que les valeurs du premier semestre 1994 et que les valeurs suivantes.
L'inflexion à la hausse de la tendance conjoncturelle est plus marquée en 1988 qu'en 1995 et disparaît au bout de quelques mois.
Graphique 3.2. Résultats graphiques du modèle GIBOULEE (données CVS et tendance)
On observe graphiquement à l'aide du modèle GIBOULEE des fluctuations de la tendance pendant les périodes précédant les élections présidentielles de 1988 et 1995 (inflexion à la hausse modérée en 1995 et plus marquée en 1988 après la forte baisse de l'année 1987).
Ce modèle est descriptif. Il ne permet donc pas d'attribuer ces fluctuations à un facteur particulier.
3.3. Bibliographie
1. Bergel Ruth, Girard Bernard, Lassarre Sylvain, Le Breton Patrick : Un modèle de désaisonnalisation des indicateurs journaliers d’insécurité routière. Rapport OEST, septembre1995.
2. Carré Jean-René, Lassarre sylvain, Ramos Manuel : Actes du séminaire de l’INRETS sur la Modélisation de l’Insécurité Routière. Arcueil, INRETS, 1993 et 1994.
3. Le Breton Patrick, Vervialle Françoise, Truffier Marcel : Utilisation de séries désaisonnalisées pour l'analyse de l'insécurité routière Note d'information numéro 104 SETRA/CSTR, juillet 1996.
4. Le Breton Patrick, Vervialle Françoise, Truffier Marcel. Un modèle de suivi de la sécurité routière. Recherche, Transports, Sécurité, numéro 27, septembre 1990.
Les modèles utilisés sont des modèles de régression du nombre mensuel de tués sur les routes sur des variables explicatives et des variables d’intervention, avec résidus autocorrelés, et plus généralement ARIMA[12]. On peut indifféremment parler de modèles de régression sur des variables exogènes avec résidus ARIMA, que de modèles ARIMA avec variables exogènes[2].
Les variables explicatives du nombre mensuel de décès, retenues ici, sont la consommation de carburants comme mesure proxy de l’exposition au risque (le kilométrage total effectué par les véhicules motorisés, qui mesure mieux l’exposition au risque, n’est pas mesuré sur l’ensemble du territoire), le prix des carburants et des variables météorologiques et calendaires pour prendre en compte les effets transitoires, résultant des conditions climatiques et de la configuration calendaire. La vitesse (vitesse moyenne, taux de dépassement de la vitesse limite, etc.) n'a pas été intégrée pour plusieurs raisons : elle n'est que partiellement disponible (seulement sur certains réseaux sur une période suffisamment longue) et d'autre part, cette variable aurait masqué les effets de l'amnistie, que l'on cherche à mettre en évidence sur le nombre de tués et non pas sur les vitesses pratiquées.
L’analyse d’intervention que nous effectuons ne porte que sur la recherche d’éventuels effets des perspectives d’amnistie présidentielle de 1988 et 1995 sur le nombre mensuel de décès[13] . Il s’agit de déterminer une période d’action de l’amnistie sur le comportement des conducteurs et des policiers, puis d'identifier une forme d’intensité de cette action au moyen d’une fonction d’intervention. La nature même de l’amnistie nous amène à délimiter la période d’action dans le temps (effet transitoire). Les deux périodes d’intervention retenues sont ici à priori fixées à novembre 1987-juillet 1988 et septembre 1994-juillet 1995 (mois de la première annonce dans la presse – dernier mois précédant le vote de la loi d’amnistie). La forme de la fonction est ensuite déterminée en fonction de l’allure des impacts mensuels des variables indicatrices définies sur la période ([1],[2]).
Par ailleurs, les modèles utilisés font état de valeurs particulièrement faibles du nombre des tués, entre février 1987 et octobre 1987 : l’effet médiatique de l’affaire Anne Cellier (accident mortel d’une jeune femme, dans lequel le conducteur du véhicule responsable conduisait à très grande vitesse et en état alcoolique au moment de l’accident, et dont le procès s’est soldé par une peine d’emprisonnement de trois mois), puis le vote d’une loi doublant les peines maximales pour conduite sous l'empire d'un état alcoolique ont certainement contribué à une prise de conscience de l’opinion et à une diminution de la gravité des accidents. En raison de sa proximité avec la période retenue pour l’amnistie de 1988, nous modéliserons l'effet de l'affaire Cellier et retenons la période d’avril à octobre 1987 comme période d’intervention supplémentaire. Là encore, la période retenue est limitée dans le temps dans la mesure où on admet que la loi aurait eu après son entrée en vigueur un effet limité sur l'aggravation de la peine effective prononcée.
Après avoir présenté une modélisation du nombre mensuel de tués en données brutes, nous mentionnons également, par souci de cohérence avec le modèle GIBOULEE et le modèle GAM, les résultats d’une modélisation réalisée sur les données mensuelles ayant subi un pré-traitement journalier, qui consiste à les corriger des effets locaux occasionnés par le climat et la configuration calendaire[3].
4.1. Modélisation du nombre mensuel de tués (données brutes).
Le modèle statistique, calé sur 1975-2001, prend en compte la consommation de carburants, le prix des carburants, quelques variables météorologiques qui mesurent la température, la hauteur de pluie et l’occurrence de gel, quelques variables qui mesurent la composition du mois en jours atypiques, et les variables d’intervention définies sur les trois périodes initialement retenues.
4.1.1. Recherche de la forme des fonctions d’intervention
La recherche de la forme des trois fonctions d’intervention a été réalisée à partir du modèle suivant :
(1) 
avec :
- Y le nombre de tués France entière
-
les I variables mesurant l’exposition au risque et les facteurs économiques,
- 
les J variables de nature météorologique et calendaire,
- 
, k=1 à 3, trois variables
indicatrices telles que 
=1
en t=
et 0 sinon,
le
premier mois de la kème période d’intervention,
- nk +1 le nombre de mois de la kème période d’intervention
- 
et
,
deux polynômes retard
- et 
un
bruit blanc.
La forme suggérée par le polynôme
autorégressif 
est
un palier dans tous les cas. Nous avons donc simplifié le modèle de départ
(1) en utilisant trois variables indicatrices représentant des paliers.
(2) 
avec : 
,
k=1 à 3, trois indicatrices valant 1 en [,
],
et 0 ailleurs.
4.1.2. Recherche de la période d’intervention optimale
Nous avons ajusté le modèle (2) en faisant varier les dates de début et de fin des deux périodes d’intervention correspondant aux amnisties présidentielles, de manière à maximiser la vraisemblance du modèle. Ceci nous amène à restreindre la deuxième période entre décembre 1994 et juin 1995, sans modifier la première.
Le meilleur modèle, en terme d’ajustement, est obtenu lorsque l’on garde toutes les variables exogènes du modèle, qu’elles soient statistiquement significatives ou non (cf. Tableau 4.1.a en annexe). Cela revient à considérer que la contribution de chaque variable doit être prise en compte de manière à estimer au mieux les effets des perspectives d’amnistie présidentielle, qui reste notre objectif premier.
L'emploi ici du terme effets ne sous-entend pas qu'il y a nécessairement un lien de causalité entre les évènements modélisés et la variation du nombre de tués estimée par modélisation, conformément à la remarque faite en introduction.
Ainsi, succédant à un effet dû à l'affaire Anne Cellier de -6,1 % par mois (diminution moyenne de 6,1% du nombre de tués entre avril et octobre 1987), l’effet des perspectives d’amnistie de 1988 est estimé à +6,4% par mois (augmentation moyenne du nombre de tués de 6,4% entre novembre 1987 et juillet 1988), et celui de 1995 à +3,8% par mois (augmentation moyenne du nombre de tués de 3,8% par mois entre décembre 1994 et juin 1995).
En nombre absolu de décès, les effets des deux perspectives d’amnistie sont respectivement estimés à 512 et 183 tués. Les seuils de confiance associés sont respectivement de 0,06 et 0,25.
Si l’on réduit le nombre de variables exogènes de manière à garder les plus significatives (meilleur modèle en terme de prédiction), les impacts moyens sont respectivement estimés à -6,5%, +6,5% et +3,5% par mois au cours des trois périodes d’intervention (cf. tableau 4.1.b).
Les effets des deux perspectives d’amnistie sont alors estimés à 517 et 168 tués, avec des seuils de confiance de 0,04 et 0,28.
4.2. Modélisation du nombre mensuel de tués, données corrigées des variations locales au niveau du jour
La même démarche a été retenue pour modéliser les nombres mensuels de tués, après pré-traitement journalier des données, qui consiste à les corriger des effets locaux occasionnés par les conditions climatiques et calendaires. Le modèle mensuel des données ainsi préalablement corrigées en est simplifié :
(3)
,
avec : YCt le nombre mensuel de tués France entière, corrigés des variations locales.
Les résultats obtenus sur les trois périodes d’intervention sont légèrement moins significatifs que précédemment (Tableau 2). L’effet de l’affaire Anne Cellier est estimé à –7,6 % par mois d’avril à octobre 1987, l’effet des perspectives d’amnistie de 1988 à +4,6 % par mois de novembre 1987 à juillet 1988, et celui de 1995 à +2,3 % par mois de décembre 1994 à juin 1995.
En nombre absolu de décès, les effets des deux perspectives d’amnistie sont respectivement estimés à 368 et 112 tués. Les seuils de confiance associés sont respectivement de 0,15 et 0,47.
4.3. Discussion
Les résultats obtenus à l’issue des deux modélisations entreprises sont cohérents. Tout en étant moins significatifs, les résultats obtenus avec les données corrigées des variations locales au niveau du jour sont relativement voisins de ceux obtenus avec les données brutes.
Seul l'accroissement relatif à l'élection de 1988 est statistiquement significatif, soit 517 tués supplémentaires avec un seuil de confiance de 0,04.
Le modèle mensuel gagnerait à être affiné, car seules quelques variables explicatives ont été intégrées à l’analyse ; il aurait été souhaitable de relier la dégradation du nombre mensuel de décès à l’évolution des vitesses pratiquées, sur les deux périodes d’intérêt et sur les réseaux sur lesquels elles sont mesurées sur une période suffisamment longue. Ainsi, le modèle pourrait être ajusté sur les réseaux des routes nationales et des autoroutes, sur lesquels le kilométrage mensuel, marquant l’exposition à la circulation et donc au risque d’accident, est mesuré, et sur lesquels l’effet des perspectives d’amnistie devrait être plus significatif.
4.4. Annexes
Graphique 4.1 à 4.3. : Impacts mensuels de l’effet Cellier (4.1), et des perspectives d’amnistie présidentielle de 1988 (4.2.) et 1995 (4.3).
Tableaux 4.1 : Le modèle sur les données mensuelles brutes
Tableau 4.1.a.
avec :
LTUEFE le logarithme du nombre mensuel de tués,
LCARBUB le logarithme de la consommation de carburants,
LICARB le logarithme du prix des carburants,
DTE-DTH la température maximale du jour, en été et en hiver, DHPLUI la hauteur de pluie et DNGEL l’occurrence de gel, moyennées sur une centaine de stations météorologiques réparties sur le territoire et sur le mois, mesurées par différence à la normale saisonnière,
ATYTES et ATYTHS le nombre de jours du mois où la température est particulièrement forte, en été et en hiver,
ATYTHI le nombre de jours du mois où la température est particulièrement faible,
ATYHS le nombre de jours du mois où la hauteur de pluie est particulièrement forte,
ATYNGLS le nombre de jours du mois où l’occurrence de gel est particulièrement forte,
S1,S2,S3 trois groupes de jours du mois atypiques au voisinage des jours fériés,
DP le nombre de jours du mois de grands déplacements liés à des départs et retours de congés,
VESADI le nombre de jours du mois de fin de semaine(vendredi, samedi ou dimanche),
STEP1 l’indicatrice de la période d’avril à novembre 1987,
STEP2 l’indicatrice de la période de novembre 1987 à juillet 1998,
STEP3 l’indicatrice de la période de décembre 1994 à juin 1995
Tableau 4.1.b.
avec :
LTUEFE le logarithme du nombre mensuel de tués,
LCARBUB le logarithme de la consommation de carburants,
LICARB le logarithme du prix des carburants,
DTE-DTH la température maximale du jour, en été et en hiver, DHPLUI la hauteur de pluie et DNGEL l’occurrence de gel, moyennées sur une centaine de stations météorologiques réparties sur le territoire et sur le mois, mesurées par différence à la normale saisonnière,
ATYTHI le nombre de jours du mois où la température est particulièrement faible,
S1,S3 deux groupes de jours du mois atypiques au voisinage des jours fériés,
DP le nombre de jours du mois de grands déplacements liés à des départs et retours de congés,
VESADI le nombre de jours du mois de fin de semaine(vendredi, samedi ou dimanche),
STEP1 l’indicatrice de la période d’avril à novembre 1987,
STEP2 l’indicatrice de la période de novembre 1987 à juillet 1998,
STEP3 l’indicatrice de la période de décembre 1994 à juin 1995
Tableau 4.2. : Le modèle sur les données corrigées journellement des variations locales
avec :
LCVL le logarithme des nombres de tués corrigés journellement des variations locales,
LCARBUB le logarithme de la consommation de carburants,
LICARB le logarithme du prix des carburants,
STEP1 l’indicatrice de la période d’avril à novembre 1987,
STEP2 l’indicatrice de la période de novembre 1987 à juillet 1998,
STEP3 l’indicatrice de la période de décembre 1994 à juin 1995
4.5. Bibliographie
[1] Box G.E.P. et TIAO G.C. :Intervention analysis with applications to economic and environmental problems. Journal of the American Statistical Association.1975,70, 349,pp.70-79
[2] Gourieroux Christian et Monfort Alain : Séries temporelles et modèles dynamiques. Economica, 1990.
[3] Bergel Ruth, Girard Bernard, Le Breton Patrick, Lassarre Sylvain. Un modèle de désaisonnalisation des indicateurs journaliers d’insécurité routière. Actes du Séminaire de l’Inrets sur la Modélisation de l’insécurité routière. Arcueil, 1993 et 1994.
5.1. Matériel et méthode
Le modèle que le groupe aurait souhaité développer reposerait sur :
- Des données journalières de tués sur les routes à un échelon géographique fin.
- Des facteurs de confusion sur le même pas de temps et le même niveau géographique (en particulier météorologiques et calendaires).
- Un modèle hiérarchique avec comme premier niveau, la zone géographique.
Faute de pouvoir disposer de ces données dans un délai rapide, un tel modèle n’a pu être construit.
5.1.1. Les données utilisées
- d’une part, la série journalière brute du nombre de tués, issue des statistiques officielles
- d’autre part, la série journalière corrigées des variations météorologiques locales et des variations calendaires exceptionnelles, fournies par le modèle GIBOULEE (cf $3).
- La variable explicative disponible, i.e. le prix du carburant (mensuel). Cette variable est utilisée car elle influence le nombre de kilomètres parcourus.
5.1.2. Le modèle GAM
Le modèle utilisé est un modèle additif généralisé GAM poissonnien (Hastie T., Tibshirani R. Generalized additive models. London: Chapman and Hall, 1990). Ces modèles sont une extension des modèles GLM (Generalized Linear Models), qui permettent d’introduire des fonctions de lissage non-paramétrique des variables explicatives.
Les cofacteurs retenus dans l’analyse, sont la tendance à long terme, les variations saisonnières, les variations hebdomadaires et le prix mensuel des carburants. La tendance et la saisonnalité sont modélisées simultanément par une régression locale fonction du temps.
Ln(E(Yt)) =Const+ STS(t) + IndJour(t) + SPC(Pt) + SA88(t) + SA95(t)
où S désigne des fonctions de lissage non paramétriques (régressions locales)
Yt : Nombre de tués (données brutes ou données corrigées)
STS : Tendance et Saisonnalité (régression locale sur le temps, fenêtre de 220 jours)
IndJour: Effet jour de la semaine (variable indicatrice du jour)
SPC : Prix du Carburant (régression locale sur le prix du carburant Pt, fenêtre 90%)
SA88: Amnistie 88 (régression locale sur le temps de Nov 87à Juillet 88, fenêtre 70%)
SA95 : Amnistie 95 (régression locale sur le temps de Sept 94 à Juillet 95, fenêtre 70%)
5.2. Résultats
Nous avons tout d