1Le peuplement de Dunkerque et de son agglomération porte les traces de l’industrialisation massive de son territoire. La création de milliers d’emplois dans la sidérurgie au cours des années 1960 et 1970 (Malézieux, 1981) a entraîné une forte croissance démographique du territoire : l’exemple de Grande-Synthe dont la population a été multipliée par sept en l’espace d’une décennie, passant de moins de 3 000 habitants en 1962 à plus de 20 000 en 1975, en est significatif. Cet exemple est souvent pris comme archétype de la croissance démographique liée à la localisation de l’industrie lourde, comme ont pu connaître certaines villes en Russie, au Brésil ou en Algérie mais qu’on ne retrouve pas dans la même mesure ailleurs en France, même au Havre ou à Fos-sur-Mer. Forte de cette histoire, l’agglomération dunkerquoise incarne peut-être la ville industrielle. Pour le sens commun1, elle serait marquée par le fort poids de sa population ouvrière dans sa population active, un emploi industriel très présent, un environnement dégradé et des modes de vie marqués par quelques éléments saillants (Schwartz, 2002) autour du tabagisme, de la surconsommation d’alcool et d’une certaine forme de machisme, ces modes de vie pesant sur les conditions sanitaires et entraînant une santé dégradée. Au monde ouvrier est aussi associée traditionnellement une forte présence des partis socialiste et communiste au niveau local, concurrencée aujourd’hui par un vote frontiste.

Ville industrielle, santé et inégalités

2La population dunkerquoise se caractérise aujourd’hui par une relative jeunesse par rapport au reste de la France, tout en étant plus âgée que celle du Nord – Pas de Calais. Dans ce contexte, l’accroissement naturel paraît assez faible puisqu’il est de 3,77 pour 1 000 habitants, soit plus faible que celui de la France (4,19) mais surtout du Nord – Pas de Calais (5,07). Cela est dû notamment à une natalité inférieure à la moyenne nationale (12,42 contre 12,76 ‰) et une mortalité supérieure (8,71 contre 8,58 ‰). Cette mortalité supérieure à la France est à relier au vieillissement de l’agglomération et à mettre en relation avec les données sanitaires et de mode de vie (Poirier et Lacoste, 2012).

3En effet, les indices comparatifs de mortalités2 (ICM) nous permettent de constater une surmortalité locale par rapport à la situation nationale. Ainsi, excepté pour les décès par chute accidentelle ou par accident de la circulation, tous les taux de la Communauté urbaine de Dunkerque (CUD) sont supérieurs à ceux français. Avec un ICM de 130 concernant les mortalités toutes causes (donc 1,3 fois le taux français), la CUD a une situation proche de la région (ICM = 127). Néanmoins, les taux de décès prématurés sont, eux, plus élevés (143 contre 137 pour la Région). Cela s’explique en partie par la mortalité liée au tabagisme et à l’alcool où l’on retrouve des ICM importants. Avec deux fois plus de décès prématurés liés à l’alcoolisme qu’en France, la CUD se situe cependant en dessous du Nord – Pas de Calais (2,20), alors qu’avec un ICM de 157 pour le tabagisme, elle se situe au-dessus de la Région (146). Enfin, les données concernant la mortalité prématurée par tumeur maligne des voies aérodigestives supérieures permettent aussi de dresser un portrait sanitaire défavorable. En effet, les taux de mortalité prématurée liés à cette maladie, et identifiés comme ayant pour cause principale les problèmes d’alcoolismes et de tabagismes, sont quasiment trois fois plus élevés dans la CUD qu’en France métropolitaine et deux fois plus élevés que dans le Nord – Pas de Calais. En ce qui concerne les maladies de l’appareil respiratoire, que l’on peut au moins en partie associer au contexte environnemental (Poirier, 2013), la CUD connait un ICM de 118,8 contre 148,8 pour la Région, chiffre comparable à la Communauté d’agglomération de Quimper, mais en deçà de celui de la métropole lilloise (130) et des agglomérations de l’ex bassin minier du Nord – Pas de Calais. Ces quelques chiffres, choisis parce que les plus discriminants et donc les plus préoccupants, permettent une nouvelle fois de mieux saisir le contexte dunkerquois. On retrouve ainsi à travers ces données sanitaires quelques confirmations du portrait attendu de notre ville industrielle, autour des modes de vie notamment. Ces caractéristiques négatives posent inévitablement la question des inégalités environnementales pour la population dunkerquoise et plus largement pour les populations des villes industrielles.

4Au-delà de cette présentation générale, de nombreuses disparités entre communes existent à l’intérieur de la CUD, voire au sein de celles-ci. Aussi, pour l’analyse empirique des inégalités environnementales, les différences entre les quartiers ont été privilégiées ici, alors que la plupart des recherches portant sur la France (Laurian, 2008 ; Faburel et Gueymard, 2008) comparent plutôt les villes les unes par rapport aux autres (Aschan-Leygonie et al., 2013). Pour éclairer la question des inégalités infra-communales, nous nous intéresserons à la répartition des populations selon leurs caractéristiques sociales, donnée que nous croiserons avec la proximité aux industries polluantes. Nous ferons ainsi l’hypothèse qu’une distance réduite entre le logement et l’usine constitue un environnement dégradé. Notons cependant que de l’existence éventuelle de ces inégalités environnementales, il ne faut pas forcément en déduire celle d’injustices environnementales, celles-ci étant dues à une volonté délibérée de localisation des populations défavorisées à proximité des usines (Laurian, 2008).

5Pour mieux repérer les inégalités à l’échelle la plus fine possible et dans une optique de comparabilité et d’aide à la décision, le choix s’est porté sur l’Îlot Regroupé pour l’Information Statistique (IRIS). De fait, pour disposer de l’information la plus complète, accessible et reproductible possible, le choix de cette « brique de base » en matière de diffusion de données infra-communales, disponible pour chaque recensement de la population, est une évidence. Cette unité identifie des « quartiers » d’environ 2 000 habitants dans les communes de plus de 10 000 habitants et dans la majorité de celle de 5 000 à 10 000 habitants. Ainsi, la Communauté urbaine de Dunkerque est composée de dix-huit communes, dont dix séparées en plusieurs IRIS, les communes trop petites pour être découpées constituant des IRIS à part entière. Au total, 93 IRIS sont recensés, 91 d’entre eux étant habités (deux se situant entièrement sur de l’emprise industrielle). La commune de Dunkerque possède à elle seule près de la moitié des IRIS du territoire (41), notamment grâce à sa fusion-association en 2010 avec Fort-Mardyck et Saint-Pol-sur-Mer. Le choix de l’IRIS comme unité de comptage, s’il permet l’accès à un nombre d’informations variées et précises, présente tout de même certains désavantages. Il ne fait en effet pas partie du découpage administratif français et la source de l’information est alors limitée aux données systématisées de l’INSEE. De plus, les faibles effectifs de population à l’intérieur même de cette maille territoriale rendent difficile l’accès à certains types d’information. Si, par exemple, nous avons pu évoquer des données de mortalité, celles-ci ne pourront être exploitées car indisponibles3, pour des raisons évidentes de confidentialité, à cette échelle.

6Des choix ont également été faits pour la sélection des données proposées et pour privilégier une information synthétique à travers un indicateur de caractérisation socio-économique. Celui-ci, dans une perspective d’évaluation de la situation des territoires et de possible outil d’aide à la décision, doit à la fois rendre compte des « tendances les plus significatives dans le contexte social et politique » (Perret, 2003) qu’est celui de notre territoire, mais aussi des « multiples dimensions de la vie sociale » (Lebaron, 2011) comme le recommande la littérature dans le domaine.

7S’il existe de nombreux indicateurs institutionnalisés, reconnus, largement mobilisés, à des échelles plus larges, cela est moins vrai en ce qui concerne l’échelle de l’IRIS. Certes, dans le domaine environnemental et sanitaire, l’indicateur de défaveur de Townsend (1987) est largement mobilisé. Cependant, cet indicateur composé de quatre variables – taux de chômage, part de ménage non véhiculée, part de logement surpeuplés et part de ménages locataires – apparait peu adapté à une étude sur le territoire qui nous intéresse, tant il distingue clairement l’espace urbain de l’espace périurbain ou rural en matière d’équipement des ménages. Ainsi, malgré le développement des transports en commun, ne pas avoir de voiture en ville reste moins discriminant qu’à la campagne. De même, l’indicateur de défaveur de Sabrina Havard et al. (2008) est couramment utilisé en santé. Créé par analyse statistique et plus précisément par une analyse en composantes principales, cet indicateur pose toutefois le problème de la reproductibilité, notamment parce que les variables isolées suite à cette procédure sont dépendantes du territoire étudié, de même que leur combinaison linéaire nécessaire à la création de l’indicateur.

8Parmi les indicateurs récents de bien-être, de richesse ou de qualité de vie qui émergent en regard des critiques énoncées par rapport à des indicateurs de croissance plus économiques (Jany-Catrice et Marlier, 2013), le choix de l’Indicateur de Santé Sociale (ISS) créé par Florence Jany-Catrice et Rabih Zotti (2008) est apparu comme le plus pertinent pour caractériser la situation socio-économique des habitants de l’agglomération dunkerquoise. Il est construit à partir d’une démarche participative qui vise à associer les points de vue des experts, des citoyens et des associatifs. Huit grands thèmes sont parus représentatifs des multiples dimensions de la vie des individus : le revenu, le travail et l’emploi, l’éducation, la santé, le logement, la sécurité, le lien social et le lien interindividuel. Ces grands thèmes sont pour certains découpés en sous-thèmes et tous sont composés d’une ou plusieurs variables qui les illustre. Chaque variable est ensuite normalisée comparativement, c’est-à-dire rééchelonnée sur une échelle de 0 à 100 avec 0 représentant la valeur de l’échantillon la plus dégradée et 100 la meilleure situation. Les résultats permettent de constater que, si la Région Limousin possède la meilleure santé sociale avec un ISS de 71,3, c’est le Nord – Pas de Calais qui occupe le dernier rang des régions de France métropolitaine avec un ISS de 33,3.

9À l’aide des données à l’échelle de l’IRIS sur la Communauté urbaine de Dunkerque, a alors été fait un travail de recoupement de l’information entre l’ISS et ce qui est à la fois disponible pour ce territoire et pertinent lorsque l’on s’intéresse aux disparités infra-communales. Cette sélection donne lieu à sept groupes de variables [Fig. 15], notre indicateur sera alors appelé Indicateur de Défaveur Localisée (IDL).

* Pour quatre communes découpées en IRIS, le revenu n’était disponible qu’à la commune, la donnée communale a alors été transférée à l’infra-communal. Les données sont par ailleurs issues du recensement 2009 quand toutes les autres proviennent du recensement 2010.
** On considère un ménage surpeuplé dès lors qu’il est occupé par plus d’une personne par pièce.

10Deux grands thèmes de l’ISS ont disparu dans notre indicateur : celui concernant la justice et celui concernant la santé ; des raisons évidentes de confidentialité et de pertinence des données viennent expliquer ces absences. De même, certaines variables de l’ISS ont été remplacées par d’autres en fonction de la littérature existante. Les variables, tout comme pour l’ISS, ont été normalisées comparativement de 0 à 10 afin d’obtenir un score de défaveur relatif4. Les résultats par grands groupes sont additionnés et élevés sur une échelle de 10. Un poids similaire est accordé à chaque grand groupe. Cet indicateur ordinal permettra de classer les différents IRIS les uns par rapport aux autres, un indice de 2 ne signifiant pas une défaveur deux fois plus forte qu’un indice 4.

11Dans cet indicateur, le terme de défaveur n’est pas anodin. Identifié comme la terminologie la plus proche de terme anglo-saxon « deprivation », il est mobilisé en lien direct avec la définition qu’en donne Peter Townsend (1987) à savoir « un état observable et démontrable de désavantage relatif face à la communauté locale où à l’ensemble de la société à laquelle appartient l’individu, la famille ou le groupe ». Cette description sied alors tout à fait à l’objectif de comparaison de la situation socio-économique des territoires les uns par rapport aux autres. L’emploi du terme « localisé » dans notre indicateur se justifie quant à lui par le fait qu’il est calculé à une échelle spatiale plutôt qu’individuelle et qu’il permet d’observer les disparités socio-économiques entre les quartiers d’une même intercommunalité.

Des disparités infra-communales

12La carte proposée ci-dessous rendant compte de cet IDL à l’échelle de la Communauté urbaine de Dunkerque est basée sur une discrétisation en quintiles, et chaque groupe de couleur représente 20 % des IRIS habités du territoire [Fig. 16].

Fig. 16. Indicateur de Défaveur Localisée de la Communauté urbaine de Dunkerque.

13Plus la couleur est foncée, plus la population de l’IRIS peut être considérée comme défavorisée. À l’échelle de la CUD, une première fracture ouest / est peut-être observée, avec en plus la concentration de la défaveur dans certains périmètres restreints. Les communes de Grande-Synthe et de Saint-Pol-sur-Mer (associée à Dunkerque) représentent à elles seules une grande majorité des territoires identifiés comme étant en difficulté (quatorze IRIS sur vingt). Cette situation découle en particulier, comme expliqué dans le chapitre premier, de la construction parallèle de zones de logements et de zones industrielles. Les quartiers concernés sont principalement d’anciens quartiers ouvriers construits dans les années 1960 pour loger la main-d’œuvre de l’industrie en forte croissance. À l’opposé, les IRIS les plus favorisés, eux, se situent majoritairement dans la banlieue Est et sur le littoral. Ces quartiers abritent majoritairement les classes moyennes supérieures et supérieures de la Communauté urbaine de Dunkerque et profitent d’un habitat individuel récent, comme pour la majorité des habitants de Téteghem par exemple, ou d’un accès rapide à la plage et au centre-ville pour l’est dunkerquois. Le quartier balnéaire de Malo-les-Bains voit six de ses sept IRIS catégorisés comme très favorisés (le dernier étant d’ailleurs identifié comme favorisé). Ensemble, ils constituent les « beaux quartiers » de Dunkerque dans un modèle urbain plus anglo-saxon que français où le centre-ville est plutôt défavorisé.

14Si l’on ne prend en compte que les IRIS les plus favorisés et les plus défavorisés, le clivage sur le territoire n’est pas flagrant, même si l’ouest de la Communauté urbaine semble plus défavorisé que le sud et l’est. Cette distribution des IRIS les plus défavorisés est à mettre en relation avec la localisation des zones industrielles plus nombreuses à l’ouest du territoire. En se focalisant sur les variables même qui composent l’IDL, on retrouve les grands écarts qui justifient notre démarche. Pour ne donner qu’un exemple, citons la part d’ouvriers qui passe de 41 % dans les territoires identifiés comme défavorisés à 19 % dans les territoires considérés comme favorisés. Mais l’intérêt de cet indicateur est également de résumer la situation socio-économique globale des habitants [Fig. 17]. De fait, si l’on s’intéresse, par exemple, à la part de cadres ou encore d’étrangers, deux variables que l’on rencontre classiquement dans les analyses de défaveur, on retiendra un taux autour de 1 % de femmes cadres dans les 20 % de territoires les plus défavorisés de la Communauté urbaine de Dunkerque contre environ 7 % dans les 20 % les plus favorisés. Il est également possible de noter qu’une personne étrangère a une probabilité de 54 % d’habiter un des IRIS les plus en difficultés de la CUD contre 10 % dans un des plus avantagés. L’intérêt d’un indicateur synthétique est ainsi flagrant pour mieux cerner la défaveur sociale.

Fig. 17. IDL et facteurs sociodémographiques.

15Pour revenir à la répartition plus globale de la population, il serait possible, à la vue de ces chiffres, de craindre un « risque de polarisation sociale de l’espace intercommunal » (Desage, 2012). De plus, l’utilisation d’une échelle plus fine permet une nouvelle approche de la défaveur socio-économique.

16L’IRIS le plus défavorisé, avec un IDL de 2,16, est « Jean-Bart Guynemer », situé au centre de Saint-Pol-sur-Mer [Fig. 18]. Identifié en « zone urbaine sensible », il obtient les plus mauvais scores de l’échantillon en termes de scolarisation mais également de revenu, puisqu’avec un revenu fiscal médian par unité de consommation de 7 813 €, il se situe à moins de 50 % du revenu médian national (18 749 €) et même régional (16 369 €). Cet IRIS porte par ailleurs le nom des deux grandes résidences qui la composent et en font sa particularité. Construites dans les années 1970 par Habitat du Nord (bailleur social), les résidences « Jean-Bart » et « Guynemer » se situent dans le centre de la commune. Elles représentent une coupure entre l’ouest et l’est du territoire et feront l’objet d’une réhabilitation prochaine dans le cadre du dispositif ANRU5. Si cet îlot est d’ores et déjà identifié comme un territoire en difficulté, l’IDL permet de le « classer » par rapport à d’autres territoires et ainsi de prioriser les actions, que ce soit à l’échelle de la commune où, ici, de l’intercommunalité.

Fig. 18. Score par thème selon le degré de faveur / défaveur des IRIS.

17L’IRIS identifié comme le plus favorisé est celui dénommé « Malo Turenne Sud » [Fig. 18]. Situé sur le littoral à Malo-les-Bains, il n’est cependant pas en première ligne face à la digue. Les IRIS du front de mer sont en effet divisés de manière perpendiculaire à la digue et sont composés dans leur majorité d’appartements plutôt petits. C’est plus loin de la mer que les maisons dominent dans ce quartier balnéaire, la villa malouine correspondant dans la légende locale à l’eldorado urbain. Cet IRIS a également la particularité d’être à proximité immédiate du centre-ville de Dunkerque et des aménités qu’il propose. Le quartier « Malo Turenne Sud » n’obtient les meilleurs résultats dans aucun des grands groupes de l’indicateur, néanmoins des résultats globaux très positifs en font l’IRIS le plus favorisé. On note notamment un taux de scolarisation des 18-24 ans élevé (55 %), un faible taux de chômage des femmes (10 % contre 20 % dans le reste de la CUD), une faible part d’ouvriers (14 %) ou encore un revenu fiscal médian par unité de consommation élevé (23 362 €).

18À l’aide de l’IDL, il est aussi possible de voir relativement la place des quartiers de Dunkerque par rapport à la situation régionale [Fig. 19] voire nationale. L’IDL a donc été recalculé, à la fois pour une évaluation régionale mais également nationale. Le constat peut être posé, dans un premier temps, d’une situation globale plus défavorable dans la Communauté urbaine que dans le reste de la Région.

19Ainsi, si on reprend une équirépartition en quintiles (tranches de 20 %), nous obtenons pour la CUD vingt-trois IRIS pour les plus défavorisés au lieu des dix-huit attendus. En revanche, pour les plus favorisés, on en dénombre dix au lieu de dix-huit IRIS. Si l’on se concentre sur les extrêmes, il est intéressant de signaler que sur les 2 384 IRIS que comprend la Région, le plus favorisé de la CUD est au 174^e rang, le plus défavorisé au 2 343^e. Ceci montre la situation complexe de la CUD, avec des IDL moins dispersés qu’à Lille notamment et une forte représentation dans les positions moyennes. Si nous raisonnons maintenant à l’échelle nationale, les données vont devenir encore plus marquantes puisque la région Nord – Pas de Calais dans son ensemble cumule un certain nombre de difficultés d’ordre socio-économique par rapport aux autres régions de la France métropolitaine. En effet, le nombre d’IRIS les plus défavorisés de la CUD est cette fois de trente-neuf contre les dix-huit attendus. Toutes les autres catégories d’IRIS sont au contraire sous-représentées, surtout les plus favorisées, puisqu’on ne retrouve plus que sept IRIS de la CUD dans le 5^e quintile des quartiers favorisés en France métropolitaine. Notons néanmoins que les deux IRIS les plus favorisés de la CUD font partie des 10 % les plus favorisés à l’échelle nationale.

Fig. 19. Indicateur de Défaveur Localisée de la Région Nord – Pas de Calais.

20Ces éléments permettent de mieux situer les IRIS de la CUD à différentes échelles. On s’aperçoit alors que plus le territoire de comparaison est grand, plus les quartiers du Dunkerquois vont glisser vers les catégories les plus en difficultés même si, bien sûr, certains IRIS restent considérés comme favorisés. Cette position dans l’espace français s’explique en partie par la spécialisation industrielle de l’agglomération ainsi que la crise de la métallurgie que connaît l’Europe depuis plusieurs années (cf. chapitre 1). D’autant qu’aux difficultés liées directement à celle-ci s’ajoute la baisse de l’activité portuaire et la fermeture de la raffinerie Total.

21Après avoir étudié les disparités dans la défaveur socio-économique des différents quartiers de l’agglomération dunkerquoise, nous allons nous intéresser aux disparités dans l’exposition aux nuisances industrielles, nous donnant ainsi la possibilité de mettre en évidence des inégalités environnementales voire des injustices dans la répartition des populations de l’agglomération.

Les inégalités environnementales dans le Dunkerquois

22La question des inégalités environnementales, qui en est longtemps restée à ses balbutiements en France, s’est posée dès la fin des années 1970 aux États-Unis (Bullard, 2005 ; Brulle et Pellow, 2006). En 1982, les évènements de Warren County, relatifs au déversement de produits polluants dans un quartier majoritairement Afro-Américain, vont marquer la première grande contestation publique, mais aussi les premières prises de positions politiques (Bullard, 1990). Peu à peu, les inégalités ethniques face aux nuisances industrielles vont s’affirmer comme une nouvelle problématique pour les associatifs, scientifiques et politiques, avec pour résultat un constat souvent similaire d’une surreprésentation des minorités ethniques (essentiellement des Afro-Américains) à proximité des industries. Mais rapidement, la question de la justice environnementale va s’élargir aussi bien au niveau des populations étudiées que des facteurs de gêne et de risque. On étudiera aussi bien les minorités ethniques que les populations en difficultés socio-économiques (notamment autour de la question du revenu aux États-Unis), et la diversité des expositions telles que la proximité aussi bien aux industries qu’à d’autres sources de pollutions, notamment le trafic routier. La définition de la justice environnementale va être institutionnalisée sous Bill Clinton, en 1994, suite à la création de l’« Environmental Protection Agency » (EPA) et est proposée comme

« Le traitement juste et la participation commune de toutes les personnes, indépendamment de leur origine ethnique, de leur nationalité ou de leur revenu, au développement, à la mise en œuvre et l’exécution des lois et des politiques environnementales ».

23De sorte qu’aujourd’hui l’étude de la justice environnementale s’est construite comme une thématique de recherche et de politique à part entière.

24En France, l’émergence de cette question va être plus tardive. Il faut attendre le début des années 2000 pour voir les prémices des premières études et même des premiers questionnements relatifs aux injustices environnementales. On retrouve, dans un appel à proposition de recherche émis en 2003 par les ministères de l’Écologie et de l’Équipement, les premières traces de préoccupations institutionnelles autour de la question avec un axe ayant trait aux inégalités écologiques.

25Ce glissement de vocabulaire entre justice environnementale et inégalité écologique mérite d’être explicité, afin de permettre un choix optimal dans la terminologie mobilisée. Tout d’abord, pour reprendre John Rawls (1987), une inégalité peut être juste dès lors qu’elle profite à tous ou qu’elle soit jugée comme acceptable par ceux qui la vivent. Dans le cas précis de ce chapitre, il nous paraît plus pertinent de parler d’inégalités que d’injustices. D’abord parce que, comme le soulignent divers auteurs (et nous pourrons le vérifier plus loin), vivre à proximité de lieux polluants peut permettre aux populations les plus en difficultés de rester dans les villes, et ainsi de profiter de leurs aménités. Ensuite parce que le fait de vivre à proximité des sites polluants ou des lieux pollués (ce qui peut être différent) peut avoir fait l’objet d’un choix, suite à une sorte d’analyse de coût / bénéfice, de la part de populations qui considèrent que cela leur permet soit d’accéder à la propriété soit de se rapprocher de leur lieu de travail (Flanquart, Hellequin et Vallet, 2013). Enfin, il est à noter que, dans le cas de Dunkerque, l’installation des sites industriels étant antérieure à celle des populations, il est certainement pertinent de préférer le terme d’inégalités à celui d’injustices.

26En ce qui concerne le choix entre les adjectifs « environnementales » et « écologiques » pour qualifier ces inégalités, il n’est pas plus aisé. Néanmoins, considérant les définitions proposées par Mathieu Durand et Sylvy Jaglin (2012), le qualificatif « environnemental » apparaît plus pertinent, puisqu’ils le considèrent comme renvoyant aux effets de l’environnement sur l’individu alors que « écologique » indiquerait l’intention d’étudier l’effet de l’individu sur l’environnement (par exemple, l’empreinte carbone).

27Le choix de l’expression « inégalités environnementales », valorisée ici, l’est d’ailleurs dans de nombreux travaux français. Plus que les inégalités de situations, c’est également une dimension sanitaire que l’on cherche à approcher dans cette démarche.

28Il apparait cependant que l’accès aux données environnementales est complexe. Deux types d’approches sont possibles, la première par la proximité aux industries polluantes et / ou dangereuses, la seconde par l’exposition des populations à la pollution atmosphérique. Malgré le plus grand intérêt de la seconde approche (Occelli et al., 2016), à Dunkerque comme souvent ailleurs, seule la première analyse est possible actuellement. En effet, les données relatives à l’exposition de la pollution atmosphérique sont souvent absentes et ne peuvent donc être rapprochées des données socio-économiques (Durand et Jaglin, 2012 ; Roussel et Schmitt, 2009). Ce d’autant plus que pour parler d’exposition des individus, il faudrait une mesure constante de la pollution, qu’elle soit intérieure ou extérieure, diurne ou nocturne, et sur l’ensemble de ses nombreux composants. Pour ces raisons, le choix a été fait de travailler sur la distance aux industries comme la plupart des recherches internationales sur le sujet.

29Les industries du territoire ont été recensées dans le rapport L’industrie au regard de l’environnement en Nord – Pas de Calais de la DREAL6 (2010). Ce rapport donne la possibilité de prendre connaissance des industries enregistrées au niveau de la pollution de l’air. Celles-ci sont ensuite géolocalisées afin de mettre en place notre analyse des inégalités environnementales.

Fig. 20. Illustration de la méthode des centroïdes.

30Deux grandes méthodologies ont été mises en place afin de tester et vérifier l’hypothèse d’existence d’inégalités environnementales avec le plus de précision possible. La première méthode est inspirée de celle mobilisée par Lucie Laurian (2008) et consiste à évaluer si les centres de gravité des zones habités de chaque IRIS sont ou ne sont pas proches d’une industrie [Fig. 20]. Pour cela, différentes distances sont testées : 500 m, 1 km et 2 km (Walker et al., 2005). Elles représentent des distances pertinentes par rapport au territoire de référence qu’est la Communauté urbaine de Dunkerque mais également des hypothèses de dispersion des polluants. Le tableau ci-dessous permet d’étudier les caractéristiques issues des variables de l’indicateur de défaveur localisée des IRIS suivant la présence ou l’absence d’industries à différentes distances [Fig. 21].

31Le premier constat concerne la non significativité de tous – ou presque tous – les résultats à 500 m et à 1 km. Malgré l’absence de significativité et la taille déséquilibrée de nos échantillons, certains résultats peuvent toutefois être exploités à partir de ces distances. D’un point de vue général, on remarque que l’IDL médian varie selon la présence / absence d’industries. En effet, celui-ci est plus faible pour les IRIS situés au voisinage des industries, et ce, quelle que soit la distance considérée : 5,9 contre 6,2 à moins de 500 m ; 5,6 contre 6,5 à moins d’1 km ; 5,6 contre 7,1 à moins de 2 km.

32À moins de 500 m, on constate paradoxalement les résultats les plus défavorables dans les IRIS où il n’y a pas d’industrie incluse dans ce périmètre. Cependant, la part d’ouvriers et celle des peu ou pas diplômés est plus élevée à proximité immédiate des industries (respectivement 38 contre 31 % et 44 contre 40 %). Le revenu fiscal médian est également plus faible pour les IRIS situés dans le périmètre de 500 m autour des industries. L’explication semble alors tenir à un phénomène de proximité entre le lieu de vie et le lieu de travail.

33À moins d’un kilomètre, la tendance s’inverse puisque les IRIS proches des industries sont ceux qui présentent les résultats les plus défavorables. À titre d’exemple, les taux de chômage (quels que soient les tranches d’âge ou le sexe) y sont toujours plus élevés que dans les IRIS qui ne voisinent pas avec les industries. Même si la non significativité des tests de Student7 ne nous permet pas fondamentalement de relever des différences significatives entre nos deux échantillons, observons cependant que les écarts de taux se creusent entre les IRIS situés à moins d’un kilomètre des industries et ceux dont l’éloignement est supérieur à cette distance.

34Les données les plus intéressantes à analyser concernent la distance de 2 km pour laquelle le test de Fisher8 indique que la plupart des caractéristiques sociodémographiques mesurant la défaveur sociale présentent des différences significatives entre les IRIS où il y a des industries incluses dans ce périmètre et ceux où il n’y en a pas. Si la part d’ouvriers ainsi que celle de peu ou pas diplômés s’avèrent les plus discriminantes, les taux les plus défavorables sont tous relevés dans les IRIS situés à moins de 2 km des industries. Ces inégalités socio-spatiales trouvent en partie leur explication dans la proximité des territoires urbains de l’intercommunalité avec les zones industrielles. En effet, les IRIS les plus défavorisés se situent tous dans le voisinage des industries quand les plus favorisés sont majoritairement recensés dans la banlieue est de l’agglomération dunkerquoise.

35Puisque Michael Jerrett et al. (2001) rappellent que la méthode influence le résultat, nous allons chercher à conforter ces constats avec la mise en place d’une seconde méthodologie d’analyse des proximités. Elle cherchera à estimer les caractéristiques socio-économiques des populations à l’intérieur de zones tampons9, toujours à 500 m, 1 km et 2 km des industries. Mais la démarche à ces distances ne sera conduite que pour les quatre industries les plus polluantes du territoire (qui, par exemple, représentent plus de 80 % du dioxyde de soufre émis) et pour les territoires qui cumulent la présence de deux industries. Pour l’estimation des populations, nous considérerons que si 20 % de la zone habitée d’un IRIS est comprise dans la zone tampon ainsi définie, alors 20 % de la population de cet IRIS entrera en compte dans l’analyse [Fig. 22]. Sera ensuite estimée la part de population appartenant à chaque catégorie de l’indicateur (une catégorie représentant un quintile).

Fig. 22. Part de zone habitée d’un IRIS située dans une zone tampon.

36Deux types de résultats émergent, ceux relatifs à la distance et ceux relatifs aux industries observées. En effet, de la même manière que nous avons pu le constater avec la méthodologie précédente, s’il existe une surreprésentation des défavorisés à l’intérieur du périmètre de proximité aux usines, et ce pour chacune des distances (500 m, 1 km, 2 km), elle s’accentue quand on choisit celle de deux kilomètres. De manière corollaire, la sous-représentation des favorisées est elle aussi flagrante. Néanmoins, plus que ce facteur distance, ce que la figure 23 permet d’établir tient surtout à l’importance du cumul des nuisances. Effectivement, la surreprésentation des populations les plus défavorisées est encore plus forte quand on a cumul de deux industries ou, encore plus, présence d’une des industries les plus polluantes (les plus dangereuses, pas forcément les plus visibles) du territoire. Ainsi, on peut souligner le rôle joué par ArcelorMittal, qui crée une sorte de barrière entre le littoral et les IRIS identifiés, en majorité, comme les plus défavorisés du territoire.

Fig. 23. Défaveur sociale et proximité aux industries.

37La convergence des résultats de ces deux méthodologies montre bien qu’il existe des inégalités environnementales dans la Communauté urbaine de Dunkerque. Il ne fait pas de doute que si les populations les plus défavorisées ne vivent pas nécessairement à proximité immédiate des usines, elles sont tout de même soumises à un environnement fortement marqué par l’industrie et vivent au quotidien avec les nuisances et risques (immédiats ou diffus) que celle-ci génère.

Conclusion

38Ce chapitre aura permis de mieux situer la Communauté urbaine de Dunkerque dans son contexte. Seront retenus principalement la présente d’inégalités importantes à l’intérieur même du territoire, qu’elles soient socio-économiques ou environnementales. Ces inégalités sont, par ailleurs, à remettre dans le contexte d’un territoire plus largement en difficulté économique que ce soit au niveau régional et surtout national. Il s’agit désormais avec ces outils de permettre la création des politiques publiques visant à réguler et à diminuer ces inégalités. Cyria Emelianoff (2006) souligne notamment pour la dimension environnementale, les lacunes de données nécessaires à la prise en compte du problème des inégalités environnementales, mais également parfois le manque de mobilisation citoyenne, dû en partie au fait que l’environnement n’est pas un « objet de demande prioritaire des défavorisés », mais qui est nécessaire à l’émergence d’une préoccupation plus prononcée de la part des pouvoirs publics.