{"id":1095,"date":"2025-10-06T10:01:35","date_gmt":"2025-10-06T10:01:35","guid":{"rendered":"https:\/\/javierladino.com\/fr\/?post_type=rara-portfolio&p=1095"},"modified":"2026-05-23T13:24:14","modified_gmt":"2026-05-23T13:24:14","slug":"%f0%9f%8c%8d-analyse-geospatiale-de-loffre-touristique-des-restaurants-dans-les-pays-de-la-loire-%f0%9f%8d%bd%ef%b8%8f","status":"publish","type":"rara-portfolio","link":"https:\/\/javierladino.com\/fr\/portfolio\/%f0%9f%8c%8d-analyse-geospatiale-de-loffre-touristique-des-restaurants-dans-les-pays-de-la-loire-%f0%9f%8d%bd%ef%b8%8f\/","title":{"rendered":"\ud83c\udf0d Analyse g\u00e9ospatiale de l’offre touristique des restaurants dans les Pays de la Loire \ud83c\udf7d\ufe0f"},"content":{"rendered":"\n

Dans le cadre de mes projets appliqu\u00e9s en science g\u00e9ospatiale des donn\u00e9es et t\u00e9l\u00e9d\u00e9tection<\/strong>, j’ai d\u00e9velopp\u00e9 une analyse territoriale \u00e0 partir de donn\u00e9es ouvertes de la r\u00e9gion fran\u00e7aise des Pays de la Loire<\/strong>, en int\u00e9grant des techniques de traitement g\u00e9ographique avec Python, GeoPandas et Shapely<\/strong>.<\/p>\n\n\n\n

L’objectif du projet \u00e9tait de mettre en \u0153uvre un flux complet d’analyse spatiale afin d’\u00e9valuer la r\u00e9partition g\u00e9ographique de l’offre touristique des restaurants<\/strong> et d’explorer les mod\u00e8les territoriaux \u00e0 partir de sources officielles de donn\u00e9es publiques ouvertes.<\/p>\n\n\n\n

\ud83e\udde9 Donn\u00e9es et m\u00e9thodologie<\/h2>\n\n\n\n

L’analyse a combin\u00e9 deux sources principales provenant des sites web officiels de donn\u00e9es publiques ouvertes de Nantes M\u00e9tropole et du Pays de la Loire<\/strong>.<\/p>\n\n\n\n

    \n
  1. Base de donn\u00e9es touristique des restaurants du Pays de la Loire (\u22483375 enregistrements)<\/a><\/li>\n\n\n\n
  2. Limites administratives des communes de la r\u00e9gion au format GeoJSON.<\/a><\/li>\n<\/ol>\n\n\n\n

    \ud83e\udded Flux de travail<\/h2>\n\n\n\n
      \n
    1. Int\u00e9gration et normalisation des donn\u00e9es<\/strong>
      Les champs cl\u00e9s ont \u00e9t\u00e9 nettoy\u00e9s, en ajustant les types de donn\u00e9es et les projections spatiales (CRS).<\/li>\n\n\n\n
    2. Analyse exploratoire et visualisation<\/strong>
      Des repr\u00e9sentations visuelles ont \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9es, comprenant des cartes, des points g\u00e9olocalis\u00e9s et des tampons proportionnels au nombre de restaurants par municipalit\u00e9.<\/li>\n\n\n\n
    3. Synth\u00e8se spatiale<\/strong>
      Les municipalit\u00e9s pr\u00e9sentant la plus forte concentration touristique ont \u00e9t\u00e9 identifi\u00e9es, \u00e9tablissant un classement visuel des 10 et 20 premi\u00e8res<\/strong> selon leur densit\u00e9.<\/li>\n<\/ol>\n\n\n\n


      Le jeu de donn\u00e9es contenant les informations sur les restaurants (3 375 enregistrements) dans 49 colonnes est une source d’informations tr\u00e8s int\u00e9ressante qui tente de cartographier plusieurs variables ayant un impact sur le secteur de la restauration. Malheureusement, de nombreuses donn\u00e9es sont manquantes, ce qui complique parfois la g\u00e9n\u00e9ration d’informations.<\/p>\n\n\n\n

      \"\"
      Ensemble de donn\u00e9es sur l’offre touristique des restaurants dans les Pays de la Loire.<\/figcaption><\/figure>\n\n\n\n
      \"L\u00edmites
      Limites administratives des communes de la r\u00e9gion Pays de la Loire.<\/figcaption><\/figure>\n\n\n\n

      Apr\u00e8s avoir effectu\u00e9 un d\u00e9compte unique des communes, dans l’ensemble de donn\u00e9es contenant la g\u00e9om\u00e9trie des Pays de la Loire, nous constatons qu’il existe 1 232 communes r\u00e9parties dans cinq d\u00e9partements.<\/p>\n\n\n\n

      \"\"
      Carte de Pays de la Loire<\/figcaption><\/figure>\n\n\n\n

      En consultant le nombre unique de communes dans l’ensemble de donn\u00e9es sur l’offre touristique des restaurants, nous constatons que nous disposons d’enregistrements pour 566 communes, soit moins de la moiti\u00e9.<\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n


      En comptant les valeurs de la colonne \u00ab D\u00e9partement<\/strong> \u00bb, nous v\u00e9rifions qu’il n’y a pas d’enregistrements pour le d\u00e9partement de la Vend\u00e9e<\/strong>. C’est pourquoi nous verrons plus loin qu’il n’y a aucun restaurant g\u00e9olocalis\u00e9 dans la partie inf\u00e9rieure de la carte des Pays de la Loire<\/strong>.<\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n


      Les deux ensembles ont \u00e9t\u00e9 int\u00e9gr\u00e9s \u00e0 l’aide du code INSEE afin de construire une infrastructure g\u00e9ospatiale coh\u00e9rente<\/strong>, ce qui a permis de r\u00e9aliser des analyses de densit\u00e9 et de r\u00e9partition.<\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n


      \u00c0 partir de ce dataframe, nous cr\u00e9ons un regroupement Groupby<\/strong> pour filtrer certaines colonnes dont nous aurons besoin : nom_comm, Commune, Geometry et D\u00e9partement<\/strong>. Nous le convertissons ensuite en Geodataframe<\/strong>.<\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n


      Apr\u00e8s avoir cr\u00e9\u00e9 notre premier trac\u00e9 de ce g\u00e9odatabase, nous avons constat\u00e9 que :<\/p>\n\n\n\n