2. Vingt ans d’inégalités régionales : les tendances dans les pays de l’OCDE
Ce chapitre explore l’évolution des inégalités régionales dans les pays de l’OCDE au cours des deux dernières décennies. Il établit un lien entre le lieu où sont situées les personnes et l’activité économique et l’évolution des inégalités entre les régions. La première section examine la (re)distribution des personnes entre les régions. La section suivante s’intéresse plus particulièrement à l’évolution des inégalités régionales de revenu ; elle identifie les trajectoires des inégalités de croissance dans les pays de l’OCDE et analyse l’effet des différences entre les régions métropolitaines et non métropolitaines sur les inégalités régionales.
La mobilité des personnes est un mécanisme puissant pour combler les disparités à l’intérieur des pays, mais elle peut également exacerber les inégalités régionales et interpersonnelles puisque les opportunités économiques se concentrent dans quelques territoires et les écarts entre les personnes se creusent. Au cours de leur vie, les personnes se déplacent généralement d’une région à l’autre en quête de possibilités d’emploi, de revenus plus élevés, de logements moins coûteux et d’équipements favorisant le bien-être. Cette dynamique de la mobilité a produit des déséquilibres géographiques entre les pays de l’OCDE et aujourd’hui, les régions métropolitaines, en particulier les plus grandes, connaissent donc une croissance plus rapide que les régions non métropolitaines.
Si la plupart des économies de l’OCDE ont convergé des 20 dernières années, ce n’est pas le cas d’une grande partie de leurs petites régions (TL3). Après plusieurs décennies de convergence à l’intérieur des pays et entre eux, l’intensification de la mondialisation au début des années 2000 n’a pas permis de réduire les divergences régionales et a provoqué un virage dans le régime de convergence, encore accentué par la crise financière mondiale de 2008. Depuis, le produit intérieur brut (PIB) par habitant a poursuivi sa progression et sa convergence parmi les pays de l’OCDE, mais les petites régions les mieux classées et celles les moins bien classées dans la répartition des revenus à l’intérieur des pays ont suivi d’autres modèles.
Aujourd’hui, 70 % de la population de l’OCDE vit actuellement dans un pays qui présente des divergences entre les petites régions. Une analyse plus poussée révèle pourtant que les inégalités régionales ont évolué de nombreuses manières différentes dans l’OCDE, et ce pour diverses raisons. Le panorama des inégalités régionales de revenu s’est fragmenté et les pays ont suivi quatre trajectoires :
Certains pays au PIB par habitant élevé ont connu une montée des inégalités régionales : l’écart entre les régions les mieux classées et les moins bien classées s’est ainsi creusé de même que l’écart entre le revenu moyen et le revenu médian en Belgique, au Danemark, aux États-Unis, en France, au Royaume-Uni et en Suède.
Parmi les pays convergeant vers le PIB par habitant moyen de l’OCDE, nombreux sont ceux dont les inégalités régionales s’accentuent, comme les pays d’Europe orientale ayant connu une forte croissance depuis leur adhésion à l’Union européenne et dont les inégalités préexistantes se sont encore creusées.
Dans d’autres pays au PIB par habitant élevé, les écarts régionaux se résorbent, notamment en Allemagne, en Finlande, en Norvège, en Nouvelle-Zélande et aux Pays-Bas.
Les pays d’Europe méridionale comme l’Espagne, la Grèce et le Portugal ont connu une diminution de leurs inégalités de revenus, mais dans un contexte de faible croissance depuis la crise financière mondiale.
Les différences persistantes entre les régions métropolitaines et non métropolitaines ont accentué les inégalités régionales de revenus dans la plupart des pays de l’OCDE. L’écart entre le revenu par habitant dans les grandes régions métropolitaines et les autres régions explique la plus grande part des inégalités régionales de revenu dans neuf pays connaissant une montée des inégalités et abritant de grandes régions (Danemark, États-Unis, France, Hongrie, Pologne, Royaume-Uni, Suède, Tchéquie et Türkiye). Les différences entre régions métropolitaines et non métropolitaines expliquent la majeure partie des inégalités régionales dans les (six) pays restants qui connaissent une augmentation des inégalités, à l’exception de l’Italie où ce sont les différences entre les régions éloignées des zones urbaines fonctionnelles (ZUF) moyennes/grandes qui ont la plus forte incidence.
« Supposons que je conduise dans un tunnel à deux voies, qui vont toutes les deux dans la même direction, et que je me trouve pris dans un gros embouteillage. Aussi loin que je puisse voir (et ce n’est pas très loin), aucune voiture n’avance sur les deux voies. Je me trouve sur la voie de gauche et me sens découragé. Au bout d’un moment, les voitures de la voie de droite commencent à avancer. Naturellement, mon humeur s’améliore nettement car je sais que l’embouteillage s’est débloqué et que ce sera très bientôt au tour de ma voie d’avancer. Même si je suis encore immobilisé, je me sens beaucoup mieux qu’avant parce que je pense que je vais bientôt bouger. Mais supposons que mon espoir soit déçu et que seule la voie de droite continue à avancer : dans ce cas, mes camarades de la voie de gauche et moi soupçonnerons que les dés sont pipés et nous serons nombreux à nous mettre en colère et à vouloir corriger cette injustice manifeste par une action directe (en franchissant illégalement la double ligne séparant les deux voies, par exemple). » (Hirschman et Rothschild, 1973, p. 545[1])
Le développement économique est inégal. Les territoires possèdent des potentiels de croissance différents qui reflètent des écarts en termes de ressources. Ces différences provoquent généralement des transferts de population et de capital vers les territoires créateurs de croissance, ce qui peut creuser les inégalités régionales (Kuznets, 1955[2] ; Glaeser et Gottlieb, 2009[3] ; Combes et al., 2011[4] ; Puga, 1999[5]). Le rôle des politiques de développement régional et des politiques de redistribution (politiques budgétaires ou sociales) est déterminant pour assurer que tous les membres de la société soient gagnants. Bien que le développement se soit orienté de plus en plus vers des mécanismes destinés à accroître le potentiel de contribution à la croissance de toutes les régions, on a tendance à asseoir leur conception sur des modèles optimisés pour la croissance du revenu national. Cette situation a souvent conduit à des tensions entre les politiques économiques qui préfèrent affecter les ressources en capital et en main-d’œuvre aux territoires où elles seront les plus productives, et les modèles visant à réduire les disparités territoriales.
Bien que ces deux conceptions ne soient pas nécessairement contradictoires, les données provenant de nombreux pays de l’OCDE montrent qu’il existe des arbitrages dans la pratique et qu’en privilégiant uniquement la croissance et la répartition des facteurs au niveau national on risque de perpétuer des disparités régionales souvent profondément ancrées, y compris dans d’autres dimensions de l’inégalité que la croissance économique.
Les meilleurs emplois et possibilités de formation se concentrent dans les grandes villes, ce qui tient en partie aux effets d’agglomération mais aussi aux équipements attrayants et aux nombreux réseaux de sociabilité, entre autres facteurs qui attirent les populations plus qualifiées (Moretti, 2012[6] ; Südekum, 2021[7]). Dans le même temps, les habitants des territoires offrant moins de possibilités connaissent souvent un niveau de bien-être moins élevé, réussissent moins bien dans la vie et, en partie parce que les chances à saisir sont moins nombreuses, ont une mobilité géographique moindre, ce qui entrave leur capacité à se déplacer vers les territoires offrant potentiellement une meilleure qualité de vie (Kemeny et Storper, 2020[8]). Ces effets ne perdurent pas seulement dans certains territoires, ils persistent également dans le temps car ils se transmettent de génération en génération (Manduca, 2019[9] ; Hanushek et Woessmann, 2020[10] ; OCDE, 2021[11]).
Bien que ces possibilités moins nombreuses aient un impact préjudiciable direct sur les personnes, elles entraînent également des coûts pour la société, en perturbant la cohésion sociale et en engendrant une instabilité politique (Hirschman et Rothschild, 1973[1] ; Dijkstra, Poelman et Rodríguez-Pose, 2019[12]), et pour l’économie, en raison des coûts potentiels induits par la gestion d’une plus faible résilience aux chocs (OCDE, 2020[13] ; 2022[14]). Même au niveau national, les coûts de ces mesures « correctives » peuvent dépasser les avantages potentiels des politiques qui placent la croissance au premier plan et ignorent les territoires, ont souvent des horizons temporels à court terme et ne sont donc peut-être même pas optimales pour la croissance à long terme.
Améliorer l’égalité des chances représente un aspect important de la solution qui permettra de réduire les inégalités régionales. Ces efforts devraient aller de pair avec la recherche du dynamisme économique produit par les gains de productivité (CE, 2022[15] ; OCDE, 2020[16]). Pourtant, même si les écarts de PIB par habitant se sont resserrés dans les pays de l’OCDE au cours des deux dernières décennies, les divergences entre les régions à l’intérieur de nombreux pays ont perduré, et une grande partie des pays en croissance et en stagnation restent largement « à la traîne » (OCDE, 2020[16] ; Diemer et al., 2022[17] ; CE, 2022[15]). Certaines économies parmi les plus avancées de l’OCDE affichent les disparités régionales les plus marquées.
Bien que de nombreux facteurs puissent expliquer la mauvaise performance relative de certaines régions, les effets asymétriques de l’économie du savoir et de la mondialisation y ont certainement contribué, en produisant un environnement rendu complexe par la spécialisation sectorielle, la localisation des entreprises et la diffusion du savoir (Autor, Dorn et Hanson, 2013[18] ; Navaretti et Markovic, 2021[19] ; Kemeny et Storper, 2020[8] ; OCDE, 2021[20]).
Dans la plupart des pays de l’OCDE, ces écarts tiennent en grande partie à la performance et aux effets d’agglomération des grandes régions métropolitaines. Mais il ne suffit pas de compter sur les régions les plus performantes pour stimuler la productivité globale. Même sans tenir compte des coûts liés à l’effritement de la cohésion sociale que les inégalités territoriales significatives et persistantes peuvent entraîner, des facteurs externes comme la congestion croissante commencent également à éroder l’attractivité des grandes villes (Navaretti et Markovic, 2021[19] ; Dijkstra, Garcilazo et McCann, 2013[21]). De surcroît, bien qu’ils constituent de puissants moteurs de la croissance (Ahlfeldt et Pietrostefani, 2019[22]), les gains de dynamisme liés à la densité ne concernent pas toutes les villes (Venables, 2018[23]) et ne profitent pas à tous les groupes sociaux.
Dans ce contexte, la portée et l’ambition des politiques de développement régional ont elles aussi évolué, s’écartant des subventions destinées à compenser les régions plus faibles économiquement pour se tourner vers des programmes d’investissement visant à libérer la compétitivité et le potentiel de croissance dans tous les territoires et, dernièrement, à débloquer la croissance en mettant davantage l’accent sur le niveau de vie et le bien-être (OCDE, 2010[24] ; 2014[25] ; 2012[26] ; 2014[27] ; 2019[28]). Plusieurs pays de l’OCDE, dont notamment la Corée, l’Italie, la Pologne et le Royaume-Uni, ont adopté une nouvelle perspective et ont mis en place des politiques dédiées destinées à réduire les inégalités territoriales et à favoriser un développement plus équilibré (OCDE, 2022[29] ; 2018[30] ; Gouvernement du Royaume-Uni, 2022[31]). Cela dit, beaucoup d’autres pays ne disposent pas encore de cadres d’action axés sur la réduction des disparités régionales.
Ce chapitre étudie, avec le recul, l’évolution des inégalités régionales dans les pays de l’OCDE au cours des deux dernières décennies. La première section s’intéresse à la (re)distribution des populations entre les régions, tandis que la seconde examine l’évolution des inégalités régionales de revenu. Elle identifie les trajectoires des inégalités de croissance dans les pays de l’OCDE et propose une analyse du poids des différences entre les régions métropolitaines et non métropolitaines dans les inégalités régionales. Le chapitre 3 porte sur le lien de cause à effet entre les disparités régionales de revenu et la productivité de la main d’œuvre dans les régions.
La croissance de la population de nombreux pays de l’OCDE a atteint un plateau et la démographie est en recul dans certains d’entre eux. Parallèlement, la population vieillit. Toutefois, bien que ces tendances se vérifient généralement à l’échelle nationale, elles sont souvent plus profondes, voire très différentes, à l’intérieur des pays, ce qui confirme l’importance d’une approche territorialisée pour la lutte contre les inégalités et l’action pour une croissance inclusive.
Cette section s’intéresse à ces enjeux démographiques, y compris le rôle des migrations à l’intérieur des pays et leur impact sur les inégalités régionales. Elle examine aussi l’accès aux infrastructures et services essentiels entre les régions.
La part de la population qui vit dans les grandes régions métropolitaines progresse
Dans les pays de l’OCDE, les régions métropolitaines concentrent 70 % de la population. La part de la population qui vit dans les zones rurales à l’intérieur de chaque type de région passe de 9 % dans les grandes régions métropolitaines à 52 % dans les régions isolées. Les personnes qui habitent dans les villes et les zones de densité moyenne (banlieues) telles que définies par le degré d’urbanisation (OCDE et al., 2021[32]) se concentrent dans les régions proches d’une zone métropolitaine (tableau 2.1).
Les régions métropolitaines abritent une plus grande part de la population qu’il y a deux décennies dans tous les pays de l’OCDE hormis la Grèce. Cette évolution tient en grande partie à la concentration croissante de la population dans les grandes régions métropolitaines, puisque ces régions ont vu leur part de la population passer d’environ 40 % en 2001 à 42 % en 2021 (dans 24 pays de l’OCDE ayant au moins 1 grande région métropolitaine). Dans le même temps, la part des régions métropolitaines de taille moyenne et des régions isolées a légèrement baissé (-0.3 %), tandis que celle des régions proches des ZUF de taille moyenne/grande a enregistré la plus forte baisse (-0.7 %) devant les régions proches d’une petite ZUF (-0.5 %). À l’intérieur des régions, entre 2000 et 2015, la proportion de la population vivant dans les villes (telles que définies par le degré d’urbanisation) a augmenté d’environ 3 % dans l’OCDE, tandis que la part de la population vivant dans les zones rurales a reculé.
La moitié environ des pays dont la part de la population dans les grandes régions métropolitaines a augmenté ont connu une diminution de la part de la population vivant dans les régions métropolitaines de taille moyenne sur la période 2001-21 (graphique 2.1). La croissance de la population s’est concentrée dans les plus grandes ZUF, tandis qu’un quart environ de l’ensemble des ZUF situées dans les pays de l’OCDE perdent des habitants (encadré 2.1). L’augmentation de la contribution des régions métropolitaines est ainsi particulièrement importante dans les petits pays qui ont une à trois régions métropolitaines de taille moyenne et aucune grande région métropolitaine (Estonie, Finlande, Lettonie, Lituanie, République slovaque et Slovénie).
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
L’importance croissante des régions métropolitaines est le résultat de l’effet cumulé des migrations internes et internationales et des taux de croissance naturelle (la différence entre les naissances et les décès). Dans les 28 pays de l’OCDE pour lesquels des données sont disponibles, 29 millions de personnes (environ 3 % de la population de l’OCDE) en moyenne ont changé de région de résidence chaque année entre 2016 et 2019. Sur cette période, les régions métropolitaines ont gagné chaque année 10.5 personnes pour 10 000 habitants et les régions proches des régions métropolitaines ont gagné 7 personnes pour 10 000 habitants, tandis que les régions éloignées des ZUF de taille moyenne/grande ont perdu 10 personnes pour 10 000 habitants (OCDE, 2022[36]). La population née à l’étranger vivant dans les pays de l’OCDE a atteint 138 millions de personnes en 2021 (10.6 % de la population totale des pays de l’OCDE) (OCDE, 2023[37]). Les ressortissants nationaux (particulièrement les jeunes) et les populations immigrées internationales s’installent majoritairement dans les zones métropolitaines, notamment les plus grandes : 8 personnes immigrées sur 10 vivent dans des régions métropolitaines, contre 7 ressortissants nationaux sur 10 (OCDE, 2022[36]) (tableau 2.1). La migration n’a donc pas seulement majoré la taille des régions métropolitaines, elle les a également rajeunies et diversifiées (OCDE, 2022[38]).
Les ZUF comptaient plus de 931 millions d’habitants dans les pays de l’OCDE en 2021 (69 % de la population totale) pour 10 % de la superficie de l’OCDE. Ces 20 dernières années, la population a progressé en moyenne de 0.7 % par an dans les ZUF, mais seulement de 0.5 % dans les zones hors ZUF. La population des ZUF a augmenté dans tous les pays de l’OCDE à l’exception de la Grèce, de la Hongrie et de la Lettonie, tandis que la population hors ZUF a reculé dans dix pays. Les plus grandes ZUF ont gagné des habitants dans presque tous les pays de l’OCDE, hors Grèce et Lettonie (graphique 2.2).
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Les évolutions de la population ont varié en fonction de la taille des ZUF. Les ZUF comptant au moins un demi-million d’habitants ont eu les plus forts taux de croissance démographique annuelle en moyenne (0.71 % entre 2001 et 2021). Les ZUF de 250 000 à 500 000 habitants ont eu des taux de croissance inférieurs aux grandes ZUF (0.57 %), et également inférieurs aux ZUF de moins 250 000 habitants (0.65 %). En outre, 22 % des ZUF des pays de l’OCDE ont connu une réduction de leur population entre 2001 et 2021. Dans 11 pays la part des ZUF en décroissance démographique est supérieure à 40 %.
Les régions qui ne réussissent pas à attirer des populations immigrées d’âge actif font face à une contraction de leur population d’âge actif et à une augmentation de leur taux de dépendance des personnes âgées. Les taux de dépendance des personnes âgées sont plus élevés en moyenne dans les régions non métropolitaines (tableau 2.1), tandis que les régions éloignées représentent la majeure partie des régions ayant des taux de dépendance des personnes âgées supérieurs à 50 % (6.3 %, soit 46 sur 733) par comparaison aux autres types de régions (5.4 % des régions proches d’une ZUF de taille moyenne/grande, 3.5 % des régions proches d’une petite ZUF, 3.4 % des régions métropolitaines de taille moyenne et 1.4 % des grandes régions métropolitaines). Par ailleurs, la proportion des régions non métropolitaines en décroissance démographique est plus importante que celles des régions métropolitaines : la part des régions ayant connu un déclin de leur population en 2001-21 était supérieure de 28 % dans les régions éloignées par rapport aux grandes régions métropolitaines (tableau 2.1). La plupart des régions qui affichent la plus faible part de population d’âge actif (et des taux de dépendance des personnes âgées élevés) ont connu un taux de décroissance égal ou supérieur à 1 % par an au cours des deux dernières décennies. En Lituanie, en Lettonie et au Portugal, les trois pays confrontés au plus fort déclin de population, les régions ayant une croissance de la population annuelle négative d’au moins -1 % représentaient 80 % (Lituanie), 67 % (Lettonie) et 12 % (Portugal) de l’ensemble des régions.
La population diplômée du supérieur se concentre de plus en plus dans les villes
Les personnes diplômées du supérieur sont de plus en plus concentrées dans les villes. En 2020, la part des adultes diplômés du supérieur était plus élevée dans les villes que dans les zones rurales dans tous les pays de l’OCDE pour lesquels des données sont disponibles, à l’exception du Royaume-Uni (25 pays sur 26) (graphique 2.3). L’écart allait de 30 % en Hongrie à 2 % en Belgique. Cette divergence entre les villes et les zones rurales s’est accentuée depuis 2012 dans 19 des 25 pays pour lesquels des données sont disponibles, la Pologne, le Portugal et la République slovaque enregistrant les plus fortes hausses (environ 7 %). La part des personnes diplômées du supérieur a augmenté dans tous les pays pendant la période et, hormis en Hongrie, l’aggravation de l’écart entre villes et zones rurales a été inférieure à l’augmentation de la part des personnes diplômées du supérieur.
Les personnes diplômées du supérieur sont sur-représentées dans les régions capitales dans la plupart des pays de l’OCDE : les grandes régions capitales affichent la plus forte proportion de 24-65 ans ayant obtenu un diplôme de l’enseignement supérieur dans 28 des 34 pays de l’OCDE et candidats à l’adhésion (Brésil, Bulgarie, Croatie, Pérou et Roumanie) pour lesquels des données sont disponibles en 2021 (OCDE, 2022[39]). Les régions capitales peuvent être particulièrement attrayantes pour les personnes hautement qualifiées lorsqu’elles concentrent la plupart de l’offre d’enseignement supérieur de qualité et un secteur public conséquent. Toutefois, comme examiné de manière plus détaillée ci-dessous, elles affichent également les plus grandes inégalités de revenu dans la moitié des 26 pays de l’OCDE pour lesquels des données sont disponibles au titre du ratio S80/S201 du revenu disponible (OCDE, 2022[36]).
Les différences entre zones rurales et zones urbaines dans la proportion des personnes diplômées du supérieur peuvent être rattachées aux disparités d’accès à l’enseignement supérieur. Dans 31 pays de l’OCDE pour lesquels des données sont disponibles, 66 % des personnes vivant dans des régions éloignées ont accès à un établissement d’enseignement supérieur à un maximum de 45 minutes de route, contre 98 % des habitants d’une grande région métropolitaine. Cet indicateur ne tient pas compte cependant de la disponibilité ni de la fiabilité des autres modes de transport comme les transports publics qui, en cas d’insuffisance, peuvent aggraver considérablement la situation, notamment pour les étudiants à faible revenu de l’enseignement professionnel (OCDE, 2022[40]).
Les écarts en matière d’inscriptions dans l’enseignement supérieur sont inférieurs aux écarts dans la part des résidents diplômés du supérieur, ce qui pourrait indiquer une montée de la « circulation des cerveaux » (c’est-à-dire les déplacements des populations pour des raisons liées à l’éducation). Les personnes peuvent recevoir leur éducation en dehors des villes, puis déménager vers les villes en quête d’emplois de qualité adaptés aux professionnels. Les écarts importants entre les villes et les zones rurales dans les pays ayant peu d’accès aux établissements d’enseignement supérieur comme la Hongrie pourraient tenir au moins bon accès à l’enseignement supérieur et au moins grand nombre de débouchés correspondants qui s’offrent aux professionnels en dehors des villes. À l’inverse, dans les pays ayant un bon accès aux établissements d’enseignement supérieur comme le Portugal, les écarts pourraient s’expliquer principalement par la concentration des possibilités d’emploi dans les villes (graphique 2.3). Les importantes disparités quant à la qualité des offres pédagogiques pourraient rendre l’offre moins attrayante en dehors des villes, et conduire à des perspectives d’emploi ou d’entrepreneuriat dégradées pour les diplômés des zones rurales (OCDE, 2022[41] ; 2022[42]). Cela pourrait entraver l’installation dans des zones rurales de diplômés du supérieur en quête d’équipements naturels, de liens sociaux et familiaux, et d’une meilleure offre de logement.
Note : EES : établissement d’enseignement supérieur.
Les données ne portent que sur les pays européens de l’OCDE et le Royaume-Uni. Le statut de diplômé du supérieur est fonction du plus haut niveau d’études obtenu (CITE 5-8). Les données ne concernent que les principaux campus au Danemark. Les données des établissements d’enseignement supérieur se rapportent à 2020 ou à la dernière année connue.
Source : Eurostat (2022[43]), Enquête sur les forces de travail dans l’Union européenne, https://ec.europa.eu/eurostat/web/microdata/european-union-labour-force-survey ; OCDE (2022[44]), « ADHEP database », non publié, OCDE, Paris ; Mapbox (2022[45]), Navigation, https://docs.mapbox.com/api/navigation/.
Pour établir la preuve de la « fuite des cerveaux », c’est-à-dire les flux croissants de personnes qualifiées des zones rurales vers les villes, il faut néanmoins suivre les personnes tout au long de leur vie. L’une des rares études examinant des données de cohorte pour analyser la différence entre le lieu de résidence des diplômés et leur lieu d’origine montre qu’au Royaume-Uni les grandes villes gagnent des diplômés au détriment des zones rurales, Londres attirant le plus de diplômés (Institute for Fiscal Studies, 2021[46]).
Les écarts infranationaux persistants dans l’accès aux services perpétuent les écarts territoriaux en matière de qualité de vie
Les données disponibles mettent en évidence des disparités infranationales considérables en matière d’accès aux services. Dans les pays de l’OCDE, les habitants des zones rurales isolées qui veulent se rendre dans un établissement de santé ont un temps de trajet en véhicule motorisé cinq fois plus long que les personnes qui vivent dans les régions métropolitaines. En Europe, les étudiants des zones rurales éloignées doivent parcourir en moyenne cinq kilomètres de plus que les étudiants des autres régions pour atteindre un établissement scolaire (JRC, 2022[47]).
Ces écarts pourraient entraîner des inégalités au niveau des résultats scolaires. Les résultats de l’étude PISA2 montrent qu’à deux exceptions près, dans tous les pays de l’OCDE pour lesquels on dispose de données, les élèves des établissements d’enseignement urbains obtiennent des scores plus élevés en lecture que leurs pairs des établissements d’enseignement situés en zone non urbaine (OCDE, 2022[14]). De plus, il est peut-être encore plus important d’améliorer l’accès pour les habitants des zones rurales. Ainsi, près d’un rural sur trois déclare souffrir de problèmes de santé qui l’empêchent d’avoir des activités normales pour son âge, contre un urbain sur quatre (OCDE/Commission européenne, 2020[48]).
Les installations rurales doivent souvent centraliser les services et respecter un niveau de qualité minimum. Dans le domaine de la santé par exemple, les structures rurales sont souvent confrontées à des coûts relatifs plus élevés, des volumes plus faibles, une moins bonne qualité globale et des pénuries de personnel. Dans les pays de l’OCDE, le nombre de lits d’hôpital par habitant a diminué en moyenne de -0.7 % par an dans les régions éloignées depuis la crise financière mondiale de 2008, alors qu’il a légèrement augmenté dans les régions métropolitaines (OCDE, 2021[11]). L’écart en matière de lits d’hôpital entre les régions métropolitaines et les régions éloignées des régions métropolitaines (50 % en 2020) s’est creusé de 5 % par rapport à son niveau d’avant la pandémie, parce que les taux de lits d’hôpital ont augmenté plus vite dans les régions métropolitaines que dans les régions éloignées des zones métropolitaines (18 % contre 14 %) (OCDE, 2022[36]). Les effets négatifs sur la distance d’accès aux soins (Hsia et al., 2012[49]) et les délais d’attente des patients dus aux fermetures d’hôpitaux dans les zones rurales peuvent annuler les gains financiers obtenus, en particulier en cas d’augmentation brutale de la demande de soins comme pendant la pandémie de COVID-19 (OCDE, 2021[11] ; 2020[50]).
Bien que les services de santé numériques offrent un moyen de compenser l’éloignement, la faiblesse des économies d’échelle, la durée des temps de transport en ambulance et le moins grand nombre de professionnels de la santé, les zones rurales qui ont le plus à gagner de la télémédecine ont souvent une connexion à internet de mauvaise qualité (OCDE, 2021[51] ; 2021[11]). Les données fournies par les autorités de réglementation de 26 pays de l’OCDE indiquent une fracture persistante entre les zones rurales et urbaines en matière de débit : dans les zones rurales, 1 foyer sur 3 en moyenne n’a pas accès au haut débit. Ce n’est que dans 7 de ces pays que plus de 80 % des ménages installés en zone rurale ont accès au haut débit (OCDE, 2020[52]). Dans les pays de l’OCDE, les zones rurales qui ont de longs temps de trajet vers les établissements de santé ont également un moins bon accès que la moyenne au haut débit : ainsi, au Canada et au Mexique, les temps de trajet des habitants des zones rurales sont environ deux fois plus longs et leur débit internet est environ 40 % plus lent que la moyenne nationale.
Note : le temps de trajet vers les soins correspond au temps de trajet en voiture. L’écart par rapport à la moyenne nationale est calculé à partir des valeurs médianes pour le degré d’urbanisation pondérées par les niveaux de population par kilomètre carré.
Les données des tests de débit Speedtest se rapportent au quatrième trimestre 2020. Les données des tests de débit Speedtest pour le téléchargement en haut débit fixe et mobile communiquées par Ookla mesurent le débit de pointe soutenu obtenu par les utilisateurs du réseau. Les mesures reposent sur des tests auto-administrés par les utilisateurs, exécutés sur iOS et les appareils mobiles. L’agrégation en fonction du degré d’urbanisation est basée sur les tableaux 2023 du projet Global Human Settlement Model (GHS-SMOD). Le chiffre représente les tests de débit de points moyen, pondéré par le nombre de tests.
Source : pour le temps de trajet vers les soins, les calculs sont basés sur Weiss, D. et al. (2020[53]), « Global maps of travel time to healthcare facilities », https://doi.org/10.1038/s41591-020-1059-1. Pour la vitesse du haut débit fixe, les calculs sont basés sur Speedtest® par Ookla® Global Fixed and Mobile Network Performance Maps. Basé sur l’analyse par Ookla des données de Speedtest Intelligence® pour le quatrième trimestre 2020. Données communiquées par Ookla au 27/01/2021 (voir OCDE (2021[51]) pour plus de précisions). Les marques de commerce Ookla sont utilisées sous licence et reproduites sous autorisation.
Les inégalités régionales évolueront sur fond de déclin démographique dans la moitié des pays de l’OCDE
À moyen et long termes, la répartition des personnes à l’intérieur des pays évoluera sur fond de stabilité ou de déclin de la population dans la moitié des pays de l’OCDE. On s’attend à ce que 14 pays de l’OCDE connaissent une baisse de leur population d’ici 2040, et 18 d’ici 2100 ; les pays d’Europe orientale et méridionale ainsi que la Corée et le Japon devraient être les plus touchés par ce déclin démographique (Vollset et al., 2020[54]). Les écarts en matière de taux de fertilité, qui étaient déjà bien inférieurs au seuil de renouvellement dans tous les pays de l’OCDE hors Israël en 2021, mais aussi les différences observées dans les migrations internationales et l’espérance de vie, expliquent les disparités entre les évolutions prévues de la population.
L’avenir recèle également des transformations fondamentales de la pyramide des âges pour les pays de l’OCDE : le nombre d’enfants de moins de 5 ans pourrait reculer de 63.5 millions en 2021 à environ 59.2 millions en 2040, tandis que le nombre de personnes âgées (plus de 80 ans) devrait presque doubler et passer de 66.5 millions à 114.7 millions (Vollset et al., 2020[54]). Ces projections démographiques sont porteuses de lourdes répercussions pour les ratios de dépendance des personnes âgées dans les pays de l’OCDE : si on compte environ 13 actifs (15-64 ans) pour chaque personne âgée en 2021, il n’y en aura plus que 7 en 2040 (Rouzet et al., 2019[55] ; OCDE, 2019[56] ; 2022[14]).
Note : la variation correspond à la différence entre les années par rapport à la valeur initiale.
Source : d’après les données de Vollset, S. et al. (2020[54]), « Fertility, mortality, migration, and population scenarios for 195 countries and territories from 2017 to 2100: A forecasting analysis for the Global Burden of Disease Study », https://doi.org/10.1016/s0140-6736(20)30677-2.
Dans ce contexte, les régions métropolitaines devraient connaître une légère augmentation de leur part de la population d’ici 2040. En termes absolus, le nombre de personnes vivant dans les régions métropolitaines devrait rester constant d’ici 2040, tandis que le nombre de personnes installées dans les régions non métropolitaines devrait diminuer (de 2.8 % dans les régions proches d’une ZUF de taille moyenne/grande et de 2.3 % dans les régions éloignées d’une ZUF de taille moyenne/grande) (OCDE, 2022[36]).
À l’intérieur des régions, le nombre d’habitants des ZUF devrait passer de 950 millions à 1 milliard dans les pays de l’OCDE. La majeure partie de cette augmentation se concentrera dans les grandes ZUF, qui devraient gagner 5 % d’ici 2030, tandis que les petites ZUF et les ZUF de taille moyenne devraient reculer de 4 % et 3 % respectivement sur cette période (OCDE, 2022[36]). Les zones situées en dehors des villes devraient également progresser en termes absolus, mais moins rapidement que les villes. En 2050, la population des villes et des zones de densité moyenne devrait passer de 2.1 milliards à 2.3 milliards dans le monde, tandis que la population installée dans les zones rurales devrait augmenter de 1.7 milliard à 1.9 milliard (OCDE/Commission européenne, 2020[48]).
L’évolution des inégalités régionales de revenu3 dépend à la fois de l’évolution relative des niveaux de revenu national par habitant (qui sont liés à la croissance du PIB national par habitant) et de la redistribution des revenus à l’intérieur des pays. Les grands chocs économiques n’ont pas seulement des répercussions sur les taux de croissance nationale, mais aussi sur les écarts de revenu par habitant entre les régions. Cela tient au fait que les régions n’ont pas le même degré de résilience face aux transformations et aux chocs (Rice et Venables, 2020[57]). Ce sont alors les facteurs structuraux, et en particulier la résilience face aux chocs, plutôt que les chocs eux-mêmes qui déterminent les inégalités régionales (Garcilazo, Moreno-Monroy et Oliveira Martins, 2021[58] ; OCDE, 2022[59]).
La crise financière mondiale de 2008 a mis un terme à la convergence régionale dans un grand nombre de pays de l’OCDE (OCDE, 2022[36] ; 2020[16] ; Faggian et Ascani, 2021[60]). Dans ce contexte, les écarts de revenu entre les régions métropolitaines et non métropolitaines n’ont pas diminué depuis, en partie parce que les régions métropolitaines se sont avérées plus résilientes face aux crises que les régions non métropolitaines (OCDE, 2020[16]). L’écart de PIB par habitant entre les régions non métropolitaines et les régions métropolitaines (environ 68 %) ne s’est pas resserré dans l’OCDE au cours des deux dernières décennies (OCDE, 2022[36]).
Cette section présente des données sur l’évolution des inégalités régionales de revenu. Elle s’intéresse principalement aux petites régions (TL3) entre 2000 et 2020, ce niveau permettant une analyse territoriale plus détaillée et des classements en fonction de l’accès aux villes (Annexe 2.A). Cette section n’a pas pour objet de tirer des conclusions concernant les effets de la pandémie de COVID-19 car les données disponibles (2019-20) ne sont pas suffisantes pour évaluer l’impact de ce choc et de la reprise qui a suivi sur les inégalités régionales de revenu. Elle propose en premier lieu une classification des pays de l’OCDE en fonction de l’évolution de leurs inégalités régionales de revenu. Elle identifie ensuite différentes trajectoires des inégalités de croissance. Puis elle analyse le poids des différences entre les régions métropolitaines et non métropolitaines sur les inégalités régionales de revenu entre les pays. Enfin, elle explore le rôle de la proximité entre les régions dans l’évolution des inégalités régionales de revenu.
Les données utilisées dans l’analyse présentent plusieurs limites (voir également l’Annexe 2.A). Cette section analyse les différences en matière d’inégalités de revenu entre les régions et les ZUF, qui reflètent les facteurs structurels sous-jacents, y compris les facteurs géographiques, ainsi que les divergences démographiques (comme l’augmentation des ratios de dépendance des personnes âgées). Bien qu’il soit également intéressant d’identifier les différences territoriales en matière d’inégalités de revenu pour des cohortes démographiques similaires (genre, âge, race et orientation sexuelle, par exemple), il n’existe malheureusement pas de données disponibles qui permettraient de les analyser (encadré 2.2)4. Puisqu’il n’y a pas de données sur le revenu disponible pour les petites régions, la présente section utilise le PIB régional par habitant pour estimer le revenu-type d’un individu représentatif dans une région donnée (cette interprétation s’applique à la version sous-pondérée de l’indice de Theil, voir Gluschenko (2017[61])). Les mesures des inégalités régionales utilisées dans cette section ne sont donc pas indicatives de l’évolution des inégalités interpersonnelles ou de la situation d’une tranche de revenu donnée (Rey, Arribas-Bel et Wolf, 2020[62]).
Une approche descendante permet une plus grande fréquence et une bonne couverture du pays, mais présente plusieurs inconvénients
Les mesures comparables au niveau international des inégalités territoriales de revenu visent à déterminer si les personnes ayant des revenus différents vivent dans des lieux différents. Les niveaux d’agrégation territoriale peuvent varier selon le lieu, allant des zones de grande taille comme les pays aux petits espaces comme les quartiers. Ce chapitre emploie une approche « descendante » qui consiste à combiner le PIB (« revenu ») et les recensements de la population pour mesurer les inégalités de revenu au fil du temps.
Les séries globales permettent d’identifier les évolutions pour un grand nombre de pays parce qu’elles sont disponibles dans la plupart des pays de l’OCDE, peuvent être comparées entre les pays et sont disponibles tous les ans. Elles présentent cependant plusieurs inconvénients : i) le PIB et la population peuvent ne pas être enregistrés dans le même lieu, nécessitant une nouvelle agrégation (par exemple, de toutes les petites régions qui appartiennent à la même ZUF, voir l’Annexe 2.A) ; ii) dans les pays qui ont une part significative d’industries à forte intensité capitalistique (comme l’extraction minière), il est probable que les niveaux de PIB par habitant ne soient pas représentatifs des niveaux de revenu du résident moyen ; iii) les séries globales n’apportent pas d’éclairages sur la répartition détaillée des revenus à l’intérieur des régions (voir l’Annexe 2.A pour une explication) ; iv) les résidents d’une région peuvent travailler dans une autre région, contribuant ainsi au PIB par habitant de cette région mais contribuant directement à leur propre revenu, et il convient donc de procéder avec prudence pour convertir les différences de niveau de PIB par habitant entre les régions (qui apportent des éclairages importants sur la croissance économique, y compris sur le potentiel budgétaire des régions) afin d’évaluer les écarts de revenu disponible des résidents.
Une approche ascendante est préférable pour comprendre les revenus personnels des ménages et permet d’examiner différents éléments de la répartition des revenus, mais elle n’est pas disponible pour de nombreux pays et années
L’approche « ascendante » utilise les revenus déclarés et les informations territoriales provenant de sources administratives, principalement les dossiers fiscaux. Elle permet de mesurer les disparités de revenu entre les régions ainsi que les inégalités de revenu à l’intérieur des régions.
Les principaux avantages de cette approche par rapport à l’approche « descendante » concernent la disponibilité d’informations sur la répartition détaillée des revenus par opposition à leurs niveaux moyens ; le niveau de détail élevé des informations géographiques (qui va même au-dessous de la petite région) ; et une plus grande précision des définitions pour déterminer plus précisément le revenu disponible des ménages. Les principaux inconvénients de cette approche concernent sa faible fréquence (lors des recensements, tous les 5 ou 10 ans, par exemple) et les plus grandes difficultés pour établir la comparabilité internationale car les foyers fiscaux déclarés (ménages ou individus) et les types de revenu (brut ou disponible) diffèrent selon les pays.
Des travaux récents de l’OCDE (Königs et al., 2023[63]) utilisent les registres administratifs pour analyser les niveaux et la répartition des revenus dans les petites régions (TL3) et les plus petites unités (comme les communes) dans la moitié des pays de l’OCDE. Ces données ne sont toutefois disponibles que pour une période relativement courte (à partir du milieu des années 2000 dans la plupart des cas), ce qui a limité l’étude des inégalités régionales de revenu aux tendances actuelles plutôt qu’à leur évolution sur le long terme.
Les principales conclusions concordent avec celles du présent chapitre :
Les évolutions des disparités régionales de revenu ne sont pas uniformes entre les pays, mais les revenus régionaux médians ont convergé au cours de la dernière décennie dans la plupart des pays pour lesquels des données sont disponibles.
Les disparités de revenu entre les régions représentent une très petite part des inégalités de revenu globales. En revanche, les disparités à l’intérieur d’une même région comptent pour au moins 95 % des inégalités globales.
Les disparités régionales de revenu sont importantes dans certains pays. Parmi les petites régions (TL3), le revenu médian des ménages des régions au revenu le plus élevé et de celles au revenu le plus faible varie d’un facteur de 1.2 à 1.3 seulement dans quelques pays nordiques, mais de 1.7 à 1.6 au Japon et en Lettonie.
Les régions métropolitaines cumulent en général des revenus médians élevés et de fortes inégalités. Dans 17 pays pour lesquels des données sont disponibles, plus de 75 % des grandes régions métropolitaines se situent dans le quartile supérieur des régions classées selon le revenu médian et le niveau d’inégalités.
Source : Königs, S. et al. (2023[63]), « Géographie des inégalités de revenu dans les pays de l’OCDE - Données issues des registres nationaux », Éditions OCDE, Paris.
Les écarts en matière de revenu par habitant se sont resserrés entre les pays de l’OCDE, mais les disparités à l’intérieur des pays restent marquées
Au cours des deux dernières décennies, bien que la plupart des régions de l’OCDE aient observé une amélioration de leur PIB par habitant, il existe des divergences marquées entre les petites régions les mieux classées et celles les moins bien classées dans la répartition des revenus. La concentration des régions les mieux placées et la divergence de celles les moins bien placées ont persisté pendant toute la période, sauf en 2020 (première année de la pandémie de COVID-19), entraînant une augmentation du ratio entre la moyenne et la médiane5 (graphique 2.6, partie B ; tableau 2.2).
Il faudra un certain temps avant que les effets structurels de la pandémie de COVID-19 sur les inégalités régionales se matérialisent et il n’est donc pas encore possible d’interpréter l’impact de la pandémie sur la convergence des régions les moins bien placées et la déconcentration des régions les mieux placées observées en 2019-20, ni de déterminer s’il s’agit d’une nouvelle tendance au recul des inégalités ou d’une conséquence temporaire du déclin de l’activité économique pendant cette période.
Note : les lignes verticales de la partie B représentent les valeurs moyennes du groupe.
La courbe densité-PIB par habitant n’inclut pas 4 régions TL3 dont le PIB par habitant est supérieur à 150 000 EUR. Pour 26 pays de l’OCDE pour lesquels des données sur le PIB par habitant sont disponibles pour 2000-20 et qui ont plus d’une région TL3.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https ://www.oecd.org/regional/regional-statistics/.
L’indice de Theil offre un moyen d’observer la variabilité des revenus par habitant régionaux dans les pays de l’OCDE au sein d’un seul indicateur. L’indice compare le revenu par habitant dans chaque région à la moyenne de toutes les régions des pays de l’OCDE. L’indice rend compte en partie des différences des niveaux de PIB par habitant entre les pays : ainsi, si un pays connaît chaque année une croissance supérieure à la moyenne de l’OCDE toutes choses étant égales par ailleurs, l’indice de Theil diminue, même si la variation des revenus régionaux est restée identique. La décomposition de l’indice entre une composante « inter » et une composante « intra » est utile pour évaluer les évolutions de la variabilité du revenu par habitant régional, car elle permet de tenir compte de l’effet des évolutions du revenu par habitant national (encadré 2.3 et tableau 2.2) (OCDE, 2020[52] ; Elbers et al., 2008[64]).
Décomposition de l’indice de Theil
L’indice de Theil des inégalités régionales de revenu mesure l’écart (variation) du PIB par habitant entre les régions. Il correspond à la somme du ratio (log) du PIB par habitant dans la région et du PIB par habitant moyen pour toutes les régions, pondéré par la part de la région dans le PIB par habitant total :
Pour appliquer l’indice de Theil aux inégalités régionales, on pose l’hypothèse que chaque région est composée d’un individu représentatif dont le revenu approximatif correspond au PIB par habitant moyen de sa région. L’indice ne varie donc pas en fonction du nombre de personnes qui vivent dans chaque région, mais plutôt en fonction du nombre de régions que compte le pays.
Décomposition standard « inter/intra » de l’indice de Theil
L’indice de Theil des inégalités régionales peut être affiné pour déterminer la contribution au sein de certains groupes (comme les pays) et entre ces groupes. Pour déterminer la contribution « intergroupe », nous prenons la somme du ratio (log) du PIB par habitant moyen dans chaque groupe et du PIB par habitant moyen pour toutes les régions, pondéré par la part du PIB par habitant du groupe dans le PIB par habitant total :
Pour déterminer la contribution « intragroupe », nous calculons l’écart des revenus régionaux par rapport à la moyenne du groupe, pondéré par leur part dans le groupe et la part de leur groupe dans le total (égal à la part du PIB par habitant de la région dans la somme du PIB par habitant total) :
Distinguer la convergence au niveau des pays (inter) de la convergence au niveau des régions (intra) est particulièrement utile, notamment parce que les données indiquent un effet de « rattrapage » dans de nombreux pays, notamment les anciennes économies en transition industrielle de l’Union européenne, la Corée et la Türkiye. Dix des 13 pays dont le PIB par habitant est inférieur aux moyennes de l’OCDE en 2000 ont connu un resserrement des écarts au cours des deux dernières décennies (graphique 2.7). En revanche, certains pays, notamment l’Espagne, la Grèce, l’Italie et le Portugal ont vu les écarts se creuser par rapport à la moyenne de l’OCDE. Dans l’ensemble, 19 % de la population de l’OCDE vivaient dans des régions situées dans des pays connaissant une augmentation de la convergence et 12 % dans des pays observant une divergence.
Note : d’après les données nationales globales du niveau TL3. L’écart correspond au PIB par habitant de chaque pays par rapport au PIB par habitant de l’OCDE. L’écart moyen correspond à la valeur moyenne des écarts dans les pays de l’OCDE. En 2000 les pays convergents affichaient un écart du PIB par habitant inférieur à l’écart moyen dans les pays de l’OCDE, qui s’était encore réduit en 2020 (c’est-à-dire une hausse du ratio du PIB par habitant national sur le PIB par habitant de l’OCDE) : la Corée, l’Estonie, la Hongrie, la Lettonie, la Lituanie, la Nouvelle-Zélande, la Pologne, la République slovaque, la Slovénie, la Tchéquie et la Türkiye. En 2000, les pays divergents affichaient un écart du PIB par habitant inférieur à l’écart moyen dans les pays de l’OCDE, et un écart plus important en 2020 (c’est-à-dire une baisse du ratio de PIB par habitant national sur le PIB par habitant de l’OCDE) : l’Espagne, la Grèce, l’Italie et le Portugal. Les pays ayant des niveaux supérieurs à ceux de l’OCDE affichaient des écarts supérieurs à l’écart moyen dans les pays de l’OCDE en 2000 et 2020 : l’Allemagne, l’Autriche, la Belgique, la Danemark, les États-Unis, la France, la Finlande, le Japon, la Norvège, les Pays-Bas, le Royaume-Uni et la Suède.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
La convergence généralisée des inégalités globales entre les pays présentée dans le Graphique 2.7 est également prise en compte dans la mesure « inter » de l’indice de Theil (voir également l’Encadré 2.3) dans le Graphique 2.8. Bien que les inégalités entre les pays aient diminué dans l’ensemble au cours des deux dernières décennies, cette évolution ne s’est pas accompagnée d’une progression comparable concernant les inégalités à l’intérieur des pays. Au niveau des grandes régions (TL2) par exemple, les inégalités à l’intérieur du pays ont augmenté entre 2000 et 2015 avant de se réduire, tandis qu’au niveau des petites régions (TL3), les inégalités de revenu à l’intérieur des pays ont enregistré une légère hausse sur la période, des améliorations marginales intervenant souvent lors de grands chocs économiques. Les niveaux absolus d’inégalités à l’intérieur des pays se sont maintenus dans une fourchette étroite par rapport aux variations des inégalités entre les pays, et la réduction des inégalités entre les pays a donc entraîné une diminution de l’inégalité globale dans les grandes et les petites régions. Dans les deux cas, la réduction des inégalités entre les pays a compensé la montée des inégalités à l’intérieur des pays6.
Note : la partie A est basée sur 385 régions TL2 dans 28 pays de l’OCDE pour lesquels des données sont disponibles (aucune donnée sur les régions TL2 [données chronologiques continues pour plus d’une région] n’est disponible pour le Chili, le Costa Rica, l’Estonie, l’Islande, Israël, l’Irlande, la Lettonie, la Lituanie, le Luxembourg et la Suisse). La partie B est basée sur 1 586 régions TL3 dans 27 pays pour lesquels des données sont disponibles (aucune donnée sur les régions TL3 [données chronologiques continues pour plus d’une région] n’est disponible pour l’Australie, le Canada, le Chili, la Colombie, le Costa Rica, l’Irlande, l’Islande, Israël, le Luxembourg, le Mexique et la Suisse). La composante « inter » de l’indice de Theil mesure l’écart des moyennes du PIB par habitant national par rapport à la moyenne de l’OCDE. La composante « intra » de l’indice de Theil mesure la différence entre le PIB par habitant régional et national. Voir l’encadré 2.3 pour plus de précisions.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Plus de la moitié des pays de l’OCDE ont connu une augmentation des inégalités régionales de revenu au cours des deux dernières décennies
En ce qui concerne les seules inégalités régionales parmi les petites régions (TL3), 15 des 27 pays pour lesquels des données sont disponibles depuis 2000 ont connu une hausse des inégalités régionales de revenu au cours des deux dernières décennies (tableau 2.3) (voir le Tableau d’annexe 2.B.1 pour les résultats détaillés). Cela veut dire que 70 % de la population de l’OCDE vivent dans des pays (pour lesquels des données sont disponibles) qui ont connu une augmentation des inégalités régionales de revenu. Le tableau 2.3 établit également une distinction entre les pays en fonction de leur convergence ou leur divergence avec la moyenne de l’OCDE (voir également le graphique 2.7), et classe les pays selon que leur indice de Theil a suivi une trajectoire principalement linéaire (en hausse/baisse) ou non linéaire (par exemple en forme de U ou de U inversé).
Le tableau 2.3 révèle qu’au-delà de la situation générale, il existe différentes trajectoires des inégalités de croissance dans les pays de l’OCDE, confirmant que la situation des inégalités régionales de revenu n’est pas monolithique (McCann, 2022[65]) (graphique 2.9). Au contraire, bien que la plupart des pays de l’OCDE ayant affiché une montée des inégalités au cours des deux dernières décennies aient atteint leur valeur minimum d’inégalités régionales en matière de PIB par habitant avant la crise financière mondiale, ils ont ensuite suivi des trajectoires différentes.
D’une part, parmi les pays de l’OCDE dont le revenu par habitant est supérieur aux niveaux de l’OCDE, certains comme la France et le Royaume-Uni ont connu une augmentation soutenue des inégalités régionales depuis le milieu des années 2000, tandis que d’autres comme l’Allemagne et le Portugal ont connu des déclins.
D’autre part, la quasi-totalité des pays convergeant vers les niveaux de PIB par habitant de l’OCDE ont connu une montée générale des inégalités à l’intérieur du pays durant la période mais de façon non linéaire (principalement sous forme d’un U inversé). En Pologne, par exemple, les inégalités ont commencé à s’accentuer en 2004 et ont poursuivi leur augmentation jusqu’en 2020. En Hongrie et en République slovaque, les inégalités ont également augmenté rapidement entre 2003/04 et en 2009, quoiqu’à partir de niveaux relativement bas, mais ont reculé entre 2010 et 2020 contrairement à la Pologne. En Estonie, en Lituanie et en Tchéquie, les inégalités se sont stabilisées à des niveaux relativement élevés après avoir légèrement baissé par rapport aux pics atteints au sortir de la crise financière mondiale en 2010.
Dans la plupart des pays, la montée des inégalités régionales s’est accompagnée d’une divergence des régions les moins bien placées et d’une concentration de celles les mieux placées (et inversement, la réduction des inégalités s’est accompagnée d’une convergence des régions les moins bien placées et d’une déconcentration de celles les mieux placées). La corrélation entre les évolutions de l’indice de Theil et du ratio entre les régions les mieux placées et la moyenne (ratio entre les régions les moins bien placées et la moyenne) était supérieure (inférieur) à 0.7 dans 21 (22) pays sur les 27 pour lesquels des données étaient disponibles. Les exceptions comprennent la Norvège, le Royaume-Uni et la Tchéquie, qui ont affiché une faible corrélation entre les inégalités et les évolutions des régions les moins bien placées mais une forte corrélation avec la concentration des régions les mieux placées.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Les trajectoires des inégalités de croissance ont été contracycliques dans la plupart des pays affichant un recul des inégalités régionales, et pro-cycliques dans la majeure partie des pays enregistrant une hausse des inégalités régionales (graphique 2.10, partie C). Certains pays, notamment l’Espagne, la France et l’Italie, sont passés d’une configuration contracyclique à un modèle pro-cyclique après la crise financière mondiale, ce qui concorde avec les conclusions selon lesquelles la crise financière mondiale a mis un terme à la convergence régionale dans ces pays (Diemer et al., 2022[17] ; OCDE, 2020[16]). La Grèce est le seul pays à afficher une évolution pro-cyclique des inégalités de croissance, car l’indice de Theil a suivi de près le déclin du PIB par habitant au cours des deux dernières décennies.
Note : les évolutions à la hausse et à la baisse suivent la classification du tableau 2.3.
Les régions les mieux/moins bien placées sont calculées en équivalent de la population (régions les mieux/moins bien placées comptant au moins 20 % de la population). L’interprétation du PIB par habitant des 20 % de régions les mieux/moins bien placées correspond au fait que 20 % de la population du pays détiennent 20 % de la valeur.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Les écarts entre les régions les mieux placées et celles les moins bien placées ne se sont pas resserrés dans la plupart des pays de l’OCDE au cours des deux dernières décennies
La polarisation s’est accentuée dans 14 des 27 pays pour lesquels des données sont disponibles. Malgré les baisses observées au cours des deux dernières décennies, la Türkiye affichait toujours le plus fort ratio entre les régions les mieux placées et les régions les moins bien placées en 2020 (3.2), devant la République slovaque (2.9) et la Pologne (2.8)7. Les écarts absolus de revenu entre les régions les mieux placées et celles les moins bien placées se sont cependant creusés dans la majorité (21 sur 27) des pays de l’OCDE pour lesquels des données sont disponibles entre 2010 et 2020 par rapport à la période 2000-09 (OCDE, 2022[59]) (graphique 2.11, partie B), y compris dans des pays comme l’Allemagne, la Hongrie, la Lettonie et la Türkiye dans lesquels les écarts relatifs se sont resserrés. Pour réduire la polarisation relative et absolue, il faut impérativement que les régions les moins bien placées connaissent une croissance plus rapide que les régions les mieux placées. Ainsi, en Lettonie, il aurait fallu que les régions les moins bien placées se développent deux fois plus vite qu’elles l’ont fait entre 2000 et 2020, simplement pour maintenir le même écart absolu au fil du temps.
Les données sur la polarisation croissante au niveau des petites régions correspondent aux résultats en matière de revenu disponible au niveau des grandes régions. L’écart entre le revenu disponible et les taux de pauvreté est sensible entre les pays de l’OCDE et à l’intérieur de leurs grandes régions. En 2020, 11 des 26 pays de l’OCDE pour lesquels des données sont disponibles avaient des régions dont les ratios S80/S20 étaient supérieurs à la moyenne de l’OCDE, dont notamment la plupart des régions du Chili, de Colombie, des États-Unis et du Mexique. De surcroît, l’écart moyen des taux de pauvreté entre les régions les plus et les moins performantes d’un même pays s’établissait à 18 %, atteignant 50 % en Colombie et au Mexique (OCDE, 2022[36]).
Note : les régions les mieux/moins bien placées sont calculées en équivalent de la population (régions les mieux/moins bien placées comptant au moins 20 % de la population). L’interprétation du PIB par habitant des 20 % de régions les mieux/moins bien placées correspond au fait que 20 % de la population du pays détiennent 20 % de la valeur.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Les différences de revenu par habitant entre les régions métropolitaines les mieux placées et les autres régions expliquent les inégalités régionales de revenu dans la plupart des pays de l’OCDE
Les inégalités régionales de revenu ont augmenté parce que les régions métropolitaines ont continué à se détacher des autres régions dans la majorité des pays. La décomposition de l’indice de Theil de l’inégalité peut faire apparaître si les écarts entre les régions métropolitaines et les autres régions est le facteur déterminant des inégalités régionales de revenu et si la distance par rapport aux villes joue un rôle pour expliquer ces inégalités (encadré 2.4) (Elbers et al., 2008[64] ; Boulant, Brezzi et Veneri, 2016[66]). Dans le même temps, la polarisation et la divergence des régions les moins bien placées sont liées aux écarts entre les régions métropolitaines et non métropolitaines parce qu’une part considérable des régions les mieux (moins bien) placées sont métropolitaines (non métropolitaines). La proximité avec les grandes ZUF est également importante : ainsi, dans certains pays toutes les régions les mieux placées sont des grandes régions métropolitaines et dans d’autres toutes les régions les moins bien placées sont éloignées des villes de taille moyenne/grande (voir l’encadré 2.5 pour plus d’informations sur les recoupements entre les régions les mieux/moins bien placées et les régions métropolitaines/non métropolitaines).
Évaluation de l’inégalité intergroupes observée au regard d’une inégalité intergroupes maximum de référence
La décomposition standard de l’indice de Theil est sensible au nombre de groupes étudiés. Ainsi, si on examinait une répartition entre deux catégories (par exemple, régions métropolitaines et non métropolitaines), la part de l’inégalité intergroupes serait très faible. Comme ce résultat est le produit de la décomposition standard de l’indice de Theil, il serait trompeur d’en conclure que les différences entre les régions métropolitaines/non métropolitaines ont peu d’incidences sur les inégalités régionales.
Elbers et al. (2008[64]) ont proposé une décomposition qui normalise l’indice de Theil en fonction du nombre de groupes observés et de leur taille relative. Cette décomposition convient mieux aux comparaisons portant sur des nombres de groupes différents et/ou sur des parts de groupe différentes, de sorte que :
sachant que correspond à l’inégalité intergroupes. Cette mesure « remplace l’inégalité totale dans le dénominateur du ratio conventionnel par l’inégalité entre groupes maximum qui pourrait être obtenue si le nombre de groupes et leur taille étaient limités pour être identiques à ceux du numérateur ».
Note : dans les calculs, Rb’ s’obtient par la fonction decompGEI du lot R IC2, disponible sur le site internet : https://www.rdocumentation.org/packages/IC2/versions/1.0-1/topics/decompGEI.
La décomposition mesure la part de l’inégalité qui tient aux différences entre les groupes de régions. Comme ces proportions sont sensibles au nombre de régions dans chaque pays, les valeurs pour les pays sont exprimées sous forme de ratio des parts à l’échelle de l’OCDE. Le tableau 2.4 classe les pays en fonction de la part relative maximum pour trois groupes possibles (voir le Tableau d’annexe 2.B.2 pour les résultats détaillés) : i) grandes régions métropolitaines et autres régions ; ii) régions métropolitaines et non métropolitaines ; et iii) régions éloignées d’une ZUF de taille moyenne/grande et autres régions. Il fait également la distinction entre les pays dans lesquels toutes les (grandes) régions métropolitaines sont les mieux placées.
En ce qui concerne les écarts entre les régions métropolitaines et non métropolitaines, la taille des villes et la distance par rapport à une ville importent à des degrés divers entre les pays, ce qui produit des modèles différents :
Les écarts relatifs en matière de revenu par habitant du groupe des grandes régions métropolitaines et autres par rapport aux niveaux de l’OCDE expliquent la plus grande part des inégalités régionales de revenu dans 11 des 19 pays ayant des grandes régions métropolitaines (dont 8 affichent une augmentation des inégalités). Dans six de ces pays, toutes les régions les mieux placées sont également de grandes régions métropolitaines.
Les écarts relatifs en matière de revenu par habitant dans le groupe des régions métropolitaines et non métropolitaines étaient le facteur décisif dans 13 des 27 pays pour lesquels des données sont disponibles. Cinq de ces pays comprenaient des grandes régions métropolitaines (dont deux affichaient une augmentation des inégalités) et huit n’avaient pas de grande région métropolitaine.
Enfin, les écarts relatifs entre les régions éloignées d’une ZUF de taille moyenne/grande et les autres régions étaient déterminants dans trois pays (l’Italie étant le seul pays du groupe dans lequel les inégalités ont augmenté).
En outre, la comparaison des variations entre 2000-09 et 2010-20 révèle ce qui suit :
La part des inégalités expliquée par les écarts entre régions métropolitaines et non métropolitaines a augmenté dans 13 des 27 pays de l’OCDE pour lesquels des données sont disponibles, dont 7 ont connu une montée des inégalités (la France, la Hongrie, le Japon, la Lettonie, la Pologne, la République slovaque, la Suède et la Tchéquie) (graphique 2.12). Cette proportion n’a pas nécessairement augmenté dans tous les pays ayant connu une augmentation des inégalités : dans huit pays affichant des inégalités en hausse, dont les États-Unis et le Royaume-Uni, elle était inférieure en 2010-20 au niveau de 2000-09.
La part des inégalités expliquée par les écarts entre les grandes régions métropolitaines et les autres a augmenté dans 8 des 19 pays de l’OCDE qui comptent des grandes régions métropolitaines. Dans trois des pays affichant une hausse des inégalités, les autres parts étudiées n’ont pas augmenté (Danemark, Italie et Royaume-Uni).
L’importance des écarts entre les régions éloignées des villes et les autres a augmenté dans dix pays de l’OCDE, dont six affichaient une montée des inégalités.
Source : d’après l’OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Les régions peuvent être classées en fonction de la typologie de l’accès aux villes (voir l’Annexe 2.A) ou en tant que régions les mieux placées ou les moins bien placées. Dans sept pays (Estonie, Finlande, Lettonie, Lituanie, Norvège, Portugal et Suède), toutes les régions les mieux placées sont métropolitaines et toutes les régions les moins bien placées sont non métropolitaines. Dans tous ces pays sauf le Portugal, toutes les régions les moins bien placées sont éloignées d’une ZUF de taille moyenne/grande8. Dans quatre pays, toutes les régions les moins bien placées sont non métropolitaines (Autriche, Grèce, Nouvelle-Zélande et République slovaque). En Nouvelle-Zélande et en République slovaque, toutes les régions les moins bien placées sont éloignées d’une ZUF de taille moyenne/grande.
La corrélation entre régions métropolitaines et régions les mieux placées d’une part, et régions non métropolitaines et régions les moins bien placées d’autre part est significative mais pas parfaite. Dans neuf pays (Belgique, Danemark, Espagne, France, Hongrie, Japon, Pays-Bas, Slovénie et Tchéquie), toutes les régions les mieux placées sont métropolitaines tandis que les régions les moins bien placées ne sont pas toutes non métropolitaines. Dans six de ces pays (Belgique, Danemark, France, Hongrie, Japon et Tchéquie), toutes les régions les mieux placées sont des grandes régions métropolitaines. Enfin, dans 5 pays, le recoupement entre les régions non métropolitaines et les régions les moins bien placées est plus marqué qu’entre les régions métropolitaines et les régions les mieux placées : Allemagne (89 % contre 38 %), Italie (81 % contre 57 %), Pologne (95 % contre 71 %), Royaume-Uni (80 % contre 50 %) et Türkiye (92 % contre 50 %). Dans deux pays, la situation est inversée (Corée [66 % contre 0 %] et États-Unis [78 % contre 63 %]).
Note : les régions les mieux/moins bien placées sont calculées en équivalent de la population (régions les mieux/moins bien placées comptant au moins 20 % de la population). L’interprétation du PIB par habitant des 20 % de régions les mieux/moins bien placées correspond au fait que 20 % de la population du pays détiennent 20 % de la valeur.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Les écarts entre les regroupements de régions à haut et faible revenu expliquent les inégalités régionales dans de nombreux pays
Les mesures des inégalités régionales utilisées jusqu’ici ne prennent pas en compte l’aspect géographique des régions, à savoir le fait que des régions qui présentent des caractéristiques similaires peuvent être proches ou éloignées les unes des autres (Rey, Arribas-Bel et Wolf, 2020[62]). L’indice territorial de Gini démêle les effets de la proximité et de l’éloignement des régions dans l’indice de Gini (Rey et Smith, 2012[67]). Lorsque la dépendance territoriale est forte et positive (les régions similaires affichent une forte tendance à se regrouper), les différences avec les régions éloignées sont facteur d’inégalité car les régions voisines affichent des valeurs similaires.
L’indice territorial de Gini appliqué au PIB par habitant montre que les écarts entre les régions éloignées expliquent quasiment toutes les variations des inégalités régionales dans les grands pays de l’OCDE, dont l’Allemagne, les États-Unis et la France, et dans les pays qui ont des divergences régionales importantes comme l’Italie (graphique 2.14). À l’inverse, dans les petits pays où une grande part des inégalités est liée à la concentration dans la capitale, il n’existe pas de regroupement apparent de régions à haut ou faible revenu par habitant mais plutôt une « oasis » de prospérité.
Note : l’indice mesure la part des inégalités qui découle des différences entre régions proches et éloignées.
Les données du PIB par habitant ne sont pas agrégées par régions métropolitaines partageant la même ZUF (voir l’Annexe 2.A pour plus de précisions). L’indice territorial de Gini est égal à la composante « voisins » du coefficient de Gini multiplié par le coefficient de Gini plus un (Parry, 2022[68]). L’indice territorial de Gini analyse le rôle de la proximité dans la concentration d’une variable donnée. Il décompose l’indice Gini en deux composantes : l’une entre voisins (observations de proximité) et l’autre entre non-voisins (observations distantes). Population 2018 du Japon.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
L’existence de retombées localisées en matière de productivité se traduit généralement par une certaine similarité en termes de revenu et de prospérité entre régions voisines. Le regroupement territorial par revenu peut produire des dynamiques régionales de revenu persistantes et faire naître un système de régions à deux vitesses dans lequel les régions riches se regroupent avec d’autres régions riches (regroupement « haut-haut ») et les régions pauvres se regroupent avec d’autres régions pauvres (regroupement « bas-bas »), incapables d’apprendre de leurs « voisins productifs » et bloquées dans les pièges du développement régional (Iammarino, Rodríguez-Pose et Storper, 2019[69]).
Le regroupement « bas-bas » paraît plus fréquent que le regroupement « haut-haut », sauf dans les pays d’Europe méridionale où plus de la moitié des régions à haut revenu paraissent regroupées au niveau territorial entre régions ayant un niveau de revenu similaire (graphique 2.15) (voir l’encadré 2.6 pour une description de la mesure du regroupement territorial)9. En outre, l’Espagne et l’Italie enregistrent également le plus fort degré de regroupement de revenu « bas-bas » parmi les pays examinés, trois régions à bas revenu sur quatre étant regroupées géographiquement autour des régions ayant un niveau de revenu similaire.
Note : l’incidence du regroupement territorial bas-bas correspond à la part des 20 % de régions les moins bien placées qui présentent un regroupement territorial positif statistiquement significatif (c’est-à-dire qu’elles sont regroupées au niveau territorial avec d’autres régions à faible PIB par habitant) ; l’incidence du regroupement territorial haut-haut correspond à la part des 20 % de régions les mieux placées qui présentent un regroupement territorial positif statistiquement significatif (c’est-à-dire qu’elles sont regroupées au niveau territorial avec d’autres régions à haut PIB par habitant). Les données se rapportent à 2019. Seuls les pays qui comptent au moins 15 régions TL3 sont représentés.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Le degré de similitude d’une région donnée avec ses voisines peut se mesurer par l’indice local () de Moran :
sachant que est un indicateur socioéconomique pour la région , par exemple, le PIB par habitant régional. L’ de Moran peut produire des valeurs positives, négatives ou nulles : les valeurs positives indiquent qu’une région donnée est similaire à ses voisines pour un indicateur économique prédéterminé ; les valeurs négatives indiquent qu’elle est différente de ses voisines ; tandis qu’une valeur nulle signifie qu’il n’y a pas de corrélation avec les conditions socioéconomiques des voisines. Il peut arriver que l’ de Moran ne soit pas estimée avec un degré de précision suffisant auquel cas on dit que les données excluent l’existence d’une similitude/dissemblance territoriale entre des régions contiguës. Si l’ de Moran est estimée avec un degré de précision suffisant et produit une valeur positive, on dit que la région est regroupée autour de régions ayant un niveau de revenu similaire.
Le graphique 2.16 présente un exemple concret du fonctionnement pratique du regroupement territorial en fonction du niveau de PIB par habitant enregistré dans les régions TL3 d’Espagne en 2019. La partie de gauche présente les niveaux de PIB par habitant, tandis que la partie de droite montre la valeur de l’ de Moran estimée, lorsqu’elle est statistiquement significative. Il convient de prêter attention à plusieurs éléments. Premièrement, l’ de Moran n’est pas toujours statistiquement significative. Deuxièmement, lorsqu’une région donnée est entourée par un ensemble de régions ayant un niveau de PIB par habitant très différent du sien, l’ de Moran produit des valeurs négatives (comme pour la Comunidad de Madrid ou la région de Guadalajara dans le centre de l’Espagne). Cette situation est le contraire du regroupement territorial, elle est également appelée « modèle en damier ». Troisièmement, la grande majorité des régions pour lesquelles l’ de Moran est estimée avec un degré de précision suffisant présentent un regroupement territorial. Quatrièmement, pour l’Espagne, le degré de regroupement territorial entre régions ayant un faible PIB par habitant (c’est-à-dire le sud de l’Espagne) est supérieur à celui des régions au PIB par habitant élevé (c’est-à-dire le nord-ouest du pays).
Note : l’ de Moran est considérée comme statistiquement significative lorsque ses valeurs p sont inférieures à 20 %.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Les régions sont des unités infranationales à l’intérieur des frontières nationales. Les pays de l’OCDE comptent deux niveaux de régions : les grandes régions (TL2) et les petites régions (TL3). Les frontières régionales correspondent aux divisions administratives définies indépendamment par les pays en fonction de différents critères. À l’exception des États-Unis, les petites régions sont imbriquées dans les grandes régions. Cependant, en Estonie, en Lettonie et au Luxembourg, les frontières des régions TL2 correspondent aux frontières nationales et en Israël et en Nouvelle-Zélande, les frontières des régions TL2 et TL3 sont identiques. Au-dessous des petites régions, les pays définissent des unités locales comme les communes, qui sont généralement imbriquées à l’intérieur des petites régions. Les frontières régionales, en particulier à plus petite échelle, peuvent connaître des variations dans le temps lorsque les régions fusionnent et se divisent en conséquence des évolutions démographiques et politiques.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
La comparaison des niveaux d’inégalité et des classements entre les niveaux territoriaux n’est pas utile parce que la manière dont l’information est ajustée varie entre les pays10. Le niveau de morcellement administratif, c’est-à-dire la division des territoires nationaux en unités administratives, est variable entre les pays de l’OCDE, en particulier au niveau TL3. Au niveau TL2, le nombre de régions TL2 pour 1 million d’habitants s’étend de 0.08 au Japon à 5.4 en Islande. Au niveau TL3, il varie de 0.33 en Corée à presque 8 régions pour 1 million d’habitants au Canada (soit 293 régions pour environ 38 millions de personnes).
La répartition de la population entre les régions des pays de l’OCDE est inégale. Les pays très urbanisés comme les États-Unis et les pays peu densément peuplés comme l’Australie et l’Espagne affichent une plus grande disparité quant à la répartition de la population entre les régions. L’Australie affiche les plus fortes inégalités en matière de répartition de la population entre les petites régions, 5 seulement de ses 51 régions concentrant 60 % de la population nationale. À l’inverse, les populations des pays d’Europe orientale, Israël et le Royaume-Uni sont réparties de façon plus équitable.
La concentration de la population n’est pas toujours associée à une population nombreuse. Les grands pays très urbanisés comme les États-Unis et le Japon ont de nombreuses régions comptant au moins 1 million d’habitants et de nombreuses (grandes) régions métropolitaines (Graphique d’annexe 2.A.2). En outre, les pays peuvent avoir des niveaux de population similaires mais des degrés de concentration différents. Ainsi, la France et le Royaume-Uni ont des niveaux de population similaires, mais la population et l’emploi sont moins concentrés au Royaume-Uni. Le Royaume-Uni compte également peu de petites régions de plus de 1 million d’habitants alors qu’elles sont nombreuses en France. Bien que ce soit étonnant puisque la taille des deux pays est similaire, le Royaume-Uni affiche un plus grand morcellement administratif (Graphique d’annexe 2.A.1). Ainsi, le Greater London est composé de 21 petites régions différentes tandis que l’Île-de-France n’en compte que 8 (départements). Les données de ce chapitre agrègent donc les valeurs pour les régions TL3 qui appartiennent à la même ZUF (dont 50 % de la population régionale vit dans une ZUF).
Note : les pays ne comptant pas plus d’une région sont exclus (Luxembourg).
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
La concentration de la population dans certains pays dépend de l’échelle territoriale utilisée. Cela s’explique par la combinaison de la moindre densité de la population et du niveau relatif de morcellement administratif. Ainsi, l’indice de Gini appliqué à la population au Danemark et en Finlande, deux pays ayant des tailles de population similaires, s’établit à 0.2 et 0.3 pour les grandes régions. Pour les petites régions, l’indice de Gini s’établit toujours à 0.2 au Danemark (1 des 11 régions concentre 15 % de la population) mais passe à 0.5 en Finlande (1 des 19 régions concentre 30 % de la population) (Graphique d’annexe 2.A.2). La faible densité de population en Finlande, ainsi que les différents niveaux de morcellement administratif, expliquent ces différences. Comme il n’est pas possible de démêler ces effets, le présent chapitre n’établit pas de comparaisons directes des indicateurs d’inégalités entre les petites et les grandes régions.
Les mesures traditionnelles des inégalités comme les indices de Theil et de Gini ne prennent pas en compte la situation géographique des régions et ne reconnaissent pas que l’activité économique et les personnes se regroupent généralement sur le territoire (Rey, Arribas-Bel et Wolf, 2020[62]). L’OCDE a mis au point le concept de zones urbaines fonctionnelles (ZUF) – composées des centres urbains et de leurs aires de migration alternante – pour surmonter ces limites. Au niveau régional, la typologie de l’accès aux villes de l’OCDE offre un moyen de résoudre le problème du morcellement administratif et de la non prise en compte de la proximité (Fadic et al., 2019[70]).
La typologie classe les petites régions (TL3) entre les régions métropolitaines et non métropolitaines en fonction des critères suivants :
Régions métropolitaines, si plus de la moitié de la population vit dans une ZUF. Les régions métropolitaines sont subdivisées en : grande région métropolitaine, si plus de la moitié de la population vit dans une (grande) ZUF d’au moins 1.5 million d’habitants ; et région métropolitaine de taille moyenne, si plus de la moitié de la population vit dans une ZUF (de taille moyenne) abritant entre 250 000 et 1.5 million d’habitants.
Régions non métropolitaines, si moins de la moitié de la population vit dans une ZUF de taille moyenne/grande. Ces régions sont encore subdivisées en fonction de leur niveau d’accès aux ZUF de tailles différentes : proche d’une ZUF de taille moyenne/grande si plus de la moitié de la population vit à un maximum de 60 minutes de route d’une ZUF de taille moyenne/grande (de plus de 250 000 habitants) ou si la région TL3 contient plus de 80 % de la superficie d’une ZUF de taille moyenne/grande ; proche d’une petite ZUF si la région n’a pas accès à une ZUF de taille moyenne/grande et au moins la moitié de sa population a accès à une petite ZUF (entre 50 000 et 250 000 habitants) à un maximum de 60 minutes de voiture, ou contient 80 % de la superficie d’une petite ZUF ; et éloignée dans les autres cas.
Les mesures de l’inégalité sont sensibles au regroupement des observations en classes. Ainsi, les mesures des inégalités interpersonnelles utilisent des classes de revenu, qui diffèrent quant au nombre de tranches de revenu disponibles et quant à l’exclusion des catégories les plus élevées. L’équivalent territorial des classes de revenu sont les unités territoriales, ce qui implique que les indices d’inégalité dépendront de l’échelle géographique de l’analyse. Dans ce cas, on suppose implicitement que le revenu d’une région est réparti de manière équitable au sein de sa population (Rey, Arribas-Bel et Wolf, 2020[62]).
L’orientation de l’évolution des inégalités lorsqu’on passe d’une grande échelle (TL2) à une plus petite échelle ne dépend pas seulement de la fragmentation relative aux niveaux inférieurs mais aussi de la répartition de la population. Ainsi, prenons un pays comptant 2 régions TL2, l’une de 125 habitants, dont 100 vivent dans une ville, et une autre de 42 habitants, dont 40 vivent dans une ville. En divisant les deux régions TL2 en 4 régions TL3, dont 2 contenant les 2 villes, on réduit les niveaux d’inégalité au niveau TL3, car la contribution de la plus grande région à la population diminue de 75 % (125/167) à 60 % (100/167). Dans les pays de l’OCDE, passer du niveau TL2 au niveau TL3 conduit à des degrés d’inégalité supérieurs, similaires et inférieurs quant à la répartition de la population (Graphique d’annexe 2.A.3).
Note : l’Estonie, Israël, la Lettonie, le Luxembourg et la Nouvelle-Zélande ne sont pas inclus car les niveaux TL2 et TL3 coïncident. Aucune donnée sur le niveau TL3 n’est disponible pour le Costa Rica.
Source : OCDE (2022[33]), Statistiques régionales de l’OCDE (base de données), https://www.oecd.org/regional/regional-statistics/.
Références
[22] Ahlfeldt, G. et E. Pietrostefani (2019), « The economic effects of density: A synthesis », Journal of Urban Economics, vol. 111, pp. 93-107, https://doi.org/10.1016/j.jue.2019.04.006.
[18] Autor, D., D. Dorn et G. Hanson (2013), « The geography of trade and technology shocks in the United States », American Economic Review, vol. 103/3, pp. 220-225, https://doi.org/10.1257/aer.103.3.220.
[73] Balestra, C. et R. Tonkin (2018), « Inequalities in household wealth across OECD countries: Evidence from the OECD Wealth Distribution Database », OECD Statistics Working Papers, n° 2018/01, Éditions OCDE, Paris, https://doi.org/10.1787/7e1bf673-en.
[66] Boulant, J., M. Brezzi et P. Veneri (2016), « Income Levels And Inequality in Metropolitan Areas: A Comparative Approach in OECD Countries », OECD Regional Development Working Papers, n° 2016/6, Éditions OCDE, Paris, https://doi.org/10.1787/5jlwj02zz4mr-en.
[15] CE (2022), 8e rapport sur la cohésion la cohésion en Europe à l’horizon 2050, Commission européenne.
[4] Combes, P. et al. (2011), « The rise and fall of spatial inequalities in France: A long-run perspective », Explorations in Economic History, vol. 48/2, pp. 243-271, https://doi.org/10.1016/j.eeh.2010.12.004.
[17] Diemer, A. et al. (2022), « The regional development trap in Europe », Economic Geography, pp. 1-23, https://doi.org/10.1080/00130095.2022.2080655.
[21] Dijkstra, L., E. Garcilazo et P. McCann (2013), « The economic performance of European cities and city regions: Myths and realities », European Planning Studies, vol. 21/3, pp. 334-354, https://doi.org/10.1080/09654313.2012.716245.
[12] Dijkstra, L., H. Poelman et A. Rodríguez-Pose (2019), « The geography of EU discontent », Regional Studies, vol. 54/6, pp. 737-753, https://doi.org/10.1080/00343404.2019.1654603.
[64] Elbers, C. et al. (2008), Re-Interpreting between-group inequality, pp. 231-245, https://link.springer.com/article/10.1007/s10888-007-9064-x.
[43] Eurostat (2022), Enquête de l’Union européenne sur les forces de travail, https://ec.europa.eu/eurostat/web/microdata/european-union-labour-force-survey.
[70] Fadic, M. et al. (2019), « Classifying small (TL3) regions based on metropolitan population, low density and remoteness », OECD Regional Development Working Papers, n° 2019/06, Éditions OCDE, Paris, https://doi.org/10.1787/b902cc00-en.
[60] Faggian, A. et A. Ascani (2021), « Productivity and resilience. A post-COVID-19 perspective », OECD-EC high-level expert workshop series Productivity Policy for Places, OCDE, Paris, https://www.oecd.org/regional/W5-S1-Alessandra-Faggian-Andrea-Ascani.pdf (consulté le 31 janvier 2022).
[58] Garcilazo, E., A. Moreno-Monroy et J. Oliveira Martins (2021), « Regional inequalities and contributions to aggregate growth in the 2000s: An EU vs US comparison based on functional regions », Oxford Review of Economic Policy, vol. 37/1, pp. 70-96, https://doi.org/10.1093/oxrep/graa064.
[3] Glaeser, E. et J. Gottlieb (2009), « The wealth of cities: Agglomeration economies and spatial equilibrium in the United States », Journal of Economic Literature, vol. 47/4, pp. 983-1028, https://doi.org/10.1257/jel.47.4.983.
[61] Gluschenko, K. (2017), « Measuring regional inequality: To weight or not to weight? », Spatial Economic Analysis, vol. 13/1, pp. 36-59, https://doi.org/10.1080/17421772.2017.1343491.
[31] Gouvernement du Royaume-Uni (2022), « Levelling up the United Kingdom », Presented to Parliament by the Secretary of State for Levelling Up, Housing and Communities by Command of Her Majesty, https://www.gov.uk/government/publications/levelling-up-the-united-kingdom.
[10] Hanushek, E. et L. Woessmann (2020), « The economic impacts of learning losses », OCDE, Paris, https://www.oecd.org/education/The-economic-impacts-of-coronavirus-covid-19-learning-losses.pdf.
[1] Hirschman, A. et M. Rothschild (1973), « The changing tolerance for income inequality in the course of economic development », The Quarterly Journal of Economics, vol. 87/4, pp. 544-566, https://www.jstor.org/stable/1882024#metadata_info_tab_contents.
[49] Hsia, R. et al. (2012), « Is emergency department closure resulting in increased distance to the nearest emergency department associated with increased inpatient mortality? », Annals of Emergency Medicine, vol. 60/6, pp. 707-715.e4, https://doi.org/10.1016/j.annemergmed.2012.08.025.
[69] Iammarino, S., A. Rodríguez-Pose et M. Storper (2019), « Regional inequality in Europe: Evidence, theory and policy implications », Journal of Economic Geography, vol. 19/2, pp. 273-298, https://academic.oup.com/joeg/article/19/2/273/4989323.
[46] Institute for Fiscal Studies (2021), London Calling? Higher Education, Geographical Mobility and Early-career Earnings, https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/1022365/London_calling_final_for_dfe_with_accessibility.pdf.
[47] JRC (2022), New Perspectives on Territorial Disparities: From Lonely Places to Places of Opportunities, Centre commun de recherche, Commission européenne, https://op.europa.eu/en/publication-detail/-/publication/8fcaf458-f1da-11ec-a534-01aa75ed71a1/language-en.
[8] Kemeny, T. et M. Storper (2020), « Superstar cities and left-behind places: Disruptive innovation, labor demand, and interregional inequality », International Inequalities Institute, London School of Economics and Political Science, http://eprints.lse.ac.uk/103312/1/Kemeny_superstar_cities_left_behind_place_wp41.pdf.
[63] Königs, S. et al. (2023), « Géographie des inégalités de revenu dans les pays de l’OCDE : Données issues des registres nationaux », Éditions OCDE, Paris.
[2] Kuznets, S. (1955), « Economic growth and income inequality », American Economic Review, vol. 45, pp. 1-28.
[9] Manduca, R. (2019), « The contribution of national income inequality to regional economic divergence », Social Forces, vol. 98/2, pp. 622-648, https://doi.org/10.1093/sf/soz013.
[45] Mapbox (2022), Navigation, https://docs.mapbox.com/api/navigation/.
[65] McCann, P. (2022), « The differential economic geography of regional and urban growth and prosperity in industrialised countries », GOLD VI Working Paper Series, n° 13, https://gold.uclg.org/sites/default/files/13_the_differential_economic_geography_of_regional_and_urban_growth_and_prosperity_in_industrialised_countries_by_philip_mccann.pdf.
[6] Moretti, E. (2012), The New Geography Of Jobs, Houghton Mifflin Harcourt.
[19] Navaretti, G. et B. Markovic (2021), « Place-based policies and the foundations of productivity in the private sector: What are we building on? », OECD-EC high-level expert workshop Productivity Policy for Places, OCDE Paris.
[37] OCDE (2023), Perspectives des migrations internationales 2022, Éditions OCDE, Paris, https://doi.org/10.1787/7244fc44-fr.
[29] OCDE (2022), Adapting Regional Policy in Korea: Preparing Regions for Demographic Change, OECD Rural Studies, Éditions OCDE, Paris, https://doi.org/10.1787/6108b2a1-en.
[14] OCDE (2022), Addressing territorial disparities in future infrastructure needs in the wake of the COVID-19 crisis: A G20 perspective, Éditions OCDE, Paris, https://doi.org/10.1787/e246f50f-en.
[44] OCDE (2022), « ADHEP database », non publié, OCDE, Paris.
[40] OCDE (2022), Delivering Quality Services to All in Alentejo: Preparing Regions for Demographic Change, OECD Rural Studies, Éditions OCDE, Paris, https://doi.org/10.1787/63ffb4d7-en.
[36] OCDE (2022), OECD Regions and Cities at a Glance 2022, Éditions OCDE, Paris, https://doi.org/10.1787/14108660-en.
[59] OCDE (2022), « Optimiser l’investissement public pour faire face aux inégalités régionales, aux grandes tendances et aux chocs futurs », OCDE, n° 29, Éditions OCDE, Paris, https://doi.org/10.1787/1ba1278d-fr.
[39] OCDE (2022), Regards sur l’éducation 2022 Les indicateurs de l’OCDE, Éditions OCDE, Paris, https://doi.org/10.1787/8b532813-fr.
[41] OCDE (2022), Resourcing Higher Education in Portugal, Higher Education, Éditions OCDE, Paris, https://doi.org/10.1787/a91a175e-en.
[33] OCDE (2022), Statistiques de l’OCDE sur l’environnement (base de données), OCDE, Paris, https://doi.org/10.1787/env-data-fr.
[38] OCDE (2022), The Contribution of Migration to Regional Development, OECD Regional Development Studies, Éditions OCDE, Paris, https://doi.org/10.1787/57046df4-en.
[42] OCDE (2022), Unlocking Rural Innovation, OECD Rural Studies, Éditions OCDE, Paris, https://doi.org/10.1787/9044a961-en.
[51] OCDE (2021), Bridging Digital Divides in G20 Countries, Éditions OCDE, Paris, https://doi.org/10.1787/35c1d850-en.
[11] OCDE (2021), Delivering Quality Education and Health Care to All: Preparing Regions for Demographic Change, OECD Rural Studies, Éditions OCDE, Paris, https://doi.org/10.1787/83025c02-en.
[20] OCDE (2021), « Les régions dans la mondialisation : Une approche originale de l’internationalisation des régions et son application au cas français », OCDE, n° 20, Éditions OCDE, Paris, https://doi.org/10.1787/5c76db6f-fr.
[13] OCDE (2020), « A systemic resilience approach to dealing with Covid-19 and future shocks », OECD Policy Responses to Coronavirus (COVID-19), OCDE, Paris, https://www.oecd.org/coronavirus/policy-responses/a-systemic-resilience-approach-to-dealing-with-covid-19-and-future-shocks-36a5bdfb.
[50] OCDE (2020), « Implications de la crise du coronavirus pour le développement rural », Les réponses de l’OCDE face au coronavirus (COVID-19), OCDE, Paris, https://www.oecd.org/coronavirus/policy-responses/implications-de-la-crise-du-coronavirus-pour-le-developpement-rural-7bb4ae6d/.
[52] OCDE (2020), OECD Regions and Cities at a Glance 2020, Éditions OCDE, Paris, https://doi.org/10.1787/959d5ba0-en.
[16] OCDE (2020), Rural Well-being: Geography of Opportunities, OECD Rural Studies, Éditions OCDE, Paris, https://doi.org/10.1787/d25cef80-en.
[56] OCDE (2019), « Promoting Healthy Ageing », rapport établi en vue de la présidence japonaise du G20 en 2019, OCDE, Paris, https://www.oecd.org/g20/topics/global-health/G20-report-promoting-healthy-ageing.pdf.
[28] OCDE (2019), Déclaration sur les politiques susceptibles de forger un avenir meilleur pour les régions, les villes et les zones rurales, OCDE, Paris, https://legalinstruments.oecd.org/fr/instruments/OECD-LEGAL-0448.
[30] OCDE (2018), OECD Rural Policy Reviews: Poland 2018, OECD Rural Policy Reviews, Éditions OCDE, Paris, https://doi.org/10.1787/9789264289925-en.
[27] OCDE (2014), Comment va la vie dans votre région? : Mesurer le bien-être régional et local pour les politiques publiques, Éditions OCDE, Paris, https://doi.org/10.1787/9789264223981-fr.
[25] OCDE (2014), Perspectives régionales de l’OCDE 2011 : Des régions résilientes pour des économies plus fortes, Éditions OCDE, Paris, https://doi.org/10.1787/9789264121126-fr.
[26] OCDE (2012), Promoting Growth in All Regions, OECD Regional Development Studies, Éditions OCDE, Paris, https://doi.org/10.1787/9789264174634-en.
[24] OCDE (2010), Régions et croissance : Une analyse des tendances, Éditions OCDE, Paris, https://doi.org/10.1787/9789264056541-fr.
[48] OCDE/Commission européenne (2020), Cities in the World: A New Perspective on Urbanisation, OECD Urban Studies, Éditions OCDE, Paris, https://doi.org/10.1787/d0efcbda-en.
[32] OCDE et al. (2021), Applying the Degree of Urbanisation: A Methodological Manual to Define Cities, Towns and Rural Areas for International Comparisons, OECD Regional Development Studies, Éditions OCDE, Paris/Union européenne, Bruxelles, https://doi.org/10.1787/4bc1c502-en.
[68] Parry, J. (2022), « sfdep: Spatial dependence for simple features », https://github.com/josiahparry/sfdep.
[5] Puga, D. (1999), « The rise and fall of regional inequalities », European Economic Review, vol. 43/2, pp. 303-334, https://doi.org/10.1016/s0014-2921(98)00061-0.
[62] Rey, S., D. Arribas-Bel et L. Wolf (2020), « Spatial inequality dynamics », dans Geographic Data Science with Python, https://geographicdata.science/book/notebooks/09_spatial_inequality.html (consulté le June 2022).
[67] Rey, S. et R. Smith (2012), « A spatial decomposition of the Gini coefficient », Letters in Spatial and Resource Sciences, vol. 6/2, pp. 55-70, https://doi.org/10.1007/s12076-012-0086-z.
[57] Rice, P. et A. Venables (2020), « The persistent consequences of adverse shocks: How the 1970s shaped UK regional inequality », CEPR Discussion Paper, n° DP15261.
[72] Rosés, J. et N. Wolf (2018), « Regional economic development in Europe, 1900–2010: A description of the patterns », CEPR Discussion Papers, n° 12749, https://cepr.org/publications/dp12749.
[55] Rouzet, D. et al. (2019), « Fiscal challenges and inclusive growth in ageing societies », OECD Economic Policy Papers, n° 27, Éditions OCDE, Paris, https://doi.org/10.1787/c553d8d2-en.
[34] Schiavina, M. et al. (2023), GHSL Data Package 2023, Office des publications de l’Union européenne, https://doi.org/10.2760/098587.
[35] Souder, A. et al. (2023), « Going granular - A new database on migration in municipalities across the OECD », OCDE, Paris.
[7] Südekum, J. (2021), « Place-based policies - How to do them and why », DICE Discussion Paper, n° 367, https://www.econstor.eu/bitstream/10419/237051/1/1767077793.pdf.
[71] Trapeznikova, I. (2019), « Measuring income inequality », IZA World of Labor, https://doi.org/10.15185/izawol.462.
[23] Venables, A. (2018), « Globalization and urban polarization », Review of International Economics, vol. 26/5, pp. 981-996, https://onlinelibrary.wiley.com/doi/full/10.1111/roie.12366.
[54] Vollset, S. et al. (2020), « Fertility, mortality, migration, and population scenarios for 195 countries and territories from 2017 to 2100: A forecasting analysis for the Global Burden of Disease Study », The Lancet, vol. 396/10258, pp. 1285-1306, https://doi.org/10.1016/s0140-6736(20)30677-2.
[53] Weiss, D. et al. (2020), « Global maps of travel time to healthcare facilities », Nature Medicine, vol. 26/12, pp. 1835-1838, https://doi.org/10.1038/s41591-020-1059-1.
Notes
← 1. Il s’agit du rapport entre le revenu disponible des 20 % de personnes les plus riches et celui des 20 % de personnes les plus pauvres de la population.
← 2. Le Programme international pour le suivi des acquis des élèves (PISA) de l’OCDE est une étude internationale qui mesure tous les 3 ans les compétences des élèves de 15 ans en matière de compréhension de l’écrit, de culture mathématique et scientifique.
← 3. Le reste du document emploie indifféremment les termes PIB par habitant et revenu par habitant.
← 4. En outre : il est possible que le PIB et la population ne soient pas enregistrés au même endroit (lieu de résidence ou lieu de travail) ; les indices des prix implicites nationaux ne tiennent pas compte du niveau plus élevé du coût de la vie dans les villes, et la valeur du PIB dans certains services comme les services financiers et l’immobilier peut être faussée selon le lieu où les opérations sont enregistrées.
← 5. Un ratio supérieur à 1 indique la présence de régions ayant des valeurs très élevées ou très faibles par rapport à la moyenne. Cet indicateur a été utilisé pour analyser les inégalités interpersonnelles dans les pays de l’OCDE (Balestra et Tonkin, 2018[73]).
← 6. La valeur absolue est différente parce que chaque mesure utilise tous les pays pour lesquels des données sont disponibles (26 pays de l’OCDE au niveau TL3 et 29 pays de l’OCDE au niveau TL2. Les évolutions sont identiques lorsqu’on utilise le même groupe de 23 pays de l’OCDE pour les deux niveaux.
← 7. L’écart absolu de revenu par habitant entre les régions les mieux placées et celles les moins bien placées peut se creuser même en cas de réduction de la polarisation mesurée par le ratio du PIB par habitant entre les régions les mieux placées et celles les moins bien placées. Étant donné que le PIB par habitant est plus élevé dans les régions les mieux placées que dans celles moins bien placées (par exemple 50 000 EUR contre 10 000 EUR), lorsque les régions les mieux et les moins bien placées ont exactement le même taux de croissance (10 % par exemple), l’écart absolu entre elles augmente (de 400 euros, c’est-à-dire 50 500 euros moins 10 100 EUR) et l’écart relatif reste identique (5 dans les deux cas).
← 8. Les autres pays de ce groupe ne comptent pas de régions non métropolitaines situées à proximité d’une zone métropolitaine.
← 9. La géographie du regroupement territorial présentée ici tend à s’écarter de celle décrite dans Rosés et Wolf (2018[72]), qui rapportent l’émergence au vingtième siècle d’« îlots de prospérité » en Europe, c’est-à-dire des regroupements de régions de plus en plus riches généralement situés autour des plus grandes zones métropolitaines d’Europe. Cette divergence tient principalement au fait que les unités géographiques employées dans l’analyse sont différentes : les régions TL2 dans Rosés et Wolf (2018[72]) et les régions TL3 (en combinant celles qui appartiennent aux mêmes régions métropolitaines) dans la présente analyse.
← 10. Cela s’explique techniquement par le fait qu’il n’est pas possible d’établir un classement concluant des répartitions lorsque les courbes de Lorenz se croisent (Trapeznikova, 2019[71]).