Notre cerveau n'est pas conçu pour estimer des flux avec précision. Il fonctionne par raccourcis cognitifs — des heuristiques — qui sont utiles dans la vie quotidienne mais qui produisent des distorsions systématiques lorsqu'il s'agit d'évaluer des phénomènes quantitatifs.
Le biais de disponibilité est la tendance à surévaluer la fréquence d'événements facilement mémorisables. Les moments de forte affluence marquent notre mémoire : le parc bondé un dimanche de juin ensoleillé, la piste cyclable saturée un matin de grève des transports, la place envahie lors d'un événement exceptionnel.
Ces moments restent dans notre mémoire parce qu'ils sont saillants : ils sortent de l'ordinaire, créent des désagréments (attente, bruit, encombrement) ou génèrent des émotions. À l'inverse, les jours normaux — ceux où le parc est modérément fréquenté, où la piste cyclable est utilisée sans saturation, où la place est calme — ne laissent aucune trace mémorielle.
Résultat : interrogé sur la fréquentation d'un espace, notre cerveau va chercher dans sa mémoire les exemples disponibles. Et ce qui est disponible, ce sont les pics. On généralise alors à partir de quelques jours exceptionnels, en oubliant les 300 autres jours de l'année.
Exemple concret : un élu estime qu'une voie verte est « très fréquentée » parce qu'il l'a traversée trois dimanches d'affilée en voyant beaucoup de monde. Les données de comptage révèlent que la fréquentation moyenne annuelle est modeste (150 passages/jour), mais qu'elle atteint effectivement 600 passages les beaux dimanches d'été — soit 15 jours par an. L'élu a généralisé à partir de 4 % des jours.
Le biais de confirmation est la tendance à chercher, interpréter et mémoriser les informations qui confirment nos croyances préexistantes, tout en ignorant ou minimisant celles qui les contredisent.
Si un riverain pense qu'une place est « envahie par les touristes », il va remarquer chaque groupe de visiteurs avec valises, chaque car de tourisme qui s'arrête, chaque personne qui prend une photo. Il ne remarquera pas les dizaines de passants locaux qui traversent la place quotidiennement, parce qu'ils ne rentrent pas dans le schéma mental « invasion touristique ».
Résultat : deux personnes peuvent observer le même espace et en tirer des conclusions opposées, chacune confirmant sa croyance initiale. L'une verra « beaucoup de touristes », l'autre « surtout des habitants ». Les deux auront raison sur une partie de la réalité et tort sur l'ensemble.
Exemple concret : un commerçant se plaint que « plus personne ne vient » dans son quartier depuis la piétonnisation. Les comptages montrent que la fréquentation piétonne a augmenté de 20 %. Mais le commerçant se focalise sur l'absence de voitures stationnées devant sa boutique (visible, saillant) et ne compte pas les piétons qui passent (nombreux mais non remarquables un par un). Son cerveau cherche et trouve la confirmation de sa croyance initiale.
Notre cerveau a tendance à généraliser à partir d'échantillons trop restreints. Observer une situation une ou deux fois suffit à créer une impression générale, même si ces observations ne sont pas représentatives.
Résultat : on extrapole à partir de notre propre expérience — forcément limitée à quelques passages, à certaines heures, certains jours — sans réaliser qu'elle ne capture qu'une fraction de la réalité.
Exemple concret : un agent municipal passe tous les matins à 8h30 sur un sentier dans le cadre de sa tournée. Il ne croise jamais personne et conclut que le sentier est sous-utilisé. Les données de comptage montrent que la fréquentation est concentrée entre 17h et 19h (usage sportif après le travail) et le week-end toute la journée. L'agent observe 5 % du flux total et généralise.
La manière dont une question est posée influence radicalement la réponse. « Ce parc vous paraît-il fréquenté ? » et « Ce parc vous paraît-il surchargé ? » sollicitent le même jugement, mais le mot « surchargé » oriente vers une réponse négative.
Résultat : les consultations publiques, enquêtes ou réunions de concertation produisent des résultats différents selon la manière dont les questions sont formulées. Ce biais est parfois exploité involontairement, parfois consciemment pour obtenir la réponse souhaitée.
Exemple concret : une enquête demande : « Trouvez-vous qu'il y a trop de cyclistes sur cette voie ? » → 60 % répondent oui. La même enquête reformulée : « La cohabitation entre piétons et cyclistes se passe-t-elle bien ? » → 65 % répondent oui. La formulation change la réponse sans que la réalité ne change.
Au-delà des biais cognitifs, l'estimation visuelle de flux est structurellement imprécise. Des études en psychologie cognitive ont montré que les erreurs d'estimation varient selon la densité et le contexte.
Lorsque les passages sont rares et espacés, notre cerveau a tendance à les sous-estimer. Un passage toutes les 5 minutes (12 passages/heure, soit 150 passages entre 8h et 20h) donne l'impression d'un lieu « désert ». Pourtant, 150 passages quotidiens sur un sentier de montagne représentent une fréquentation significative.
Facteur d'erreur typique : x0,3 à x0,6 (on estime 50 passages alors qu'il y en a 150).
À l'inverse, lorsque les flux deviennent denses et continus, notre cerveau sature et surestime. Une place traversée par 500 personnes en une heure (8 passages par minute) donne l'impression d'une « foule » ou d'un « flux massif », alors que rapporté à la surface disponible, la densité peut rester confortable.
Facteur d'erreur typique : x1,5 à x3 (on estime 1 500 passages alors qu'il y en a 500).
Un flux de 100 personnes/heure sur une rue étroite (3 mètres de large) paraît dense. Le même flux de 100 personnes/heure sur une esplanade de 30 mètres de large paraît clairsemé. Pourtant, le chiffre est identique. La perception dépend autant de la densité spatiale que du volume absolu.
Conséquence pratique : Comparer visuellement la fréquentation de deux espaces de configuration différente conduit à des erreurs systématiques. Les gestionnaires sous-estiment régulièrement la fréquentation des espaces larges et ouverts, tout en surestimant celle des espaces étroits et canalisés.
Les données déclaratives — enquêtes, questionnaires, carnets de bord — sont une source d'information précieuse pour comprendre les motivations et les pratiques. Mais elles ne peuvent pas servir de base fiable pour quantifier la fréquentation.
Les répondants tendent à surestimer les comportements valorisés socialement et à sous-estimer les comportements stigmatisés. Dans une enquête sur les pratiques de mobilité, les personnes interrogées déclarent souvent faire plus de vélo qu'elles n'en font réellement (le vélo est valorisé comme écologique, sportif, vertueux) et moins de voiture (la voiture est de plus en plus stigmatisée).
Résultat : les enquêtes déclaratives produisent des parts modales du vélo systématiquement surestimées de 20 à 40 % par rapport aux comptages réels.
Exemple concret : une enquête mobilité dans une ville moyenne indique que 15 % des déplacements domicile-travail se font à vélo. Les comptages sur les principaux axes cyclables révèlent un flux compatible avec 8-10 % de part modale réelle. L'écart s'explique par la sur-déclaration (« je fais du vélo » = « je fais du vélo parfois, quand il fait beau ») et par le biais de désirabilité.
Quand on demande à quelqu'un « combien de fois êtes-vous allé au parc ce mois-ci ? », il ne compte pas — il reconstruit. Et cette reconstruction est biaisée par les mêmes mécanismes que ceux décrits plus haut : il se souvient des fois marquantes (beau temps, événement particulier) et oublie les passages anodins.
Résultat : les fréquences déclarées sont presque toujours fausses, avec des variations de ±50 % selon les profils.
Les enquêtes de fréquentation capturent surtout les usagers réguliers, disponibles et coopératifs. Les usagers occasionnels, pressés ou peu enclins à répondre sont sous-représentés. Or, ces derniers peuvent représenter une part significative de la fréquentation réelle.
Conséquence pratique : Une enquête menée uniquement auprès des usagers visibles (ceux qu'on peut facilement interroger) donnera une image biaisée de la population totale des usagers.
Les comptages manuels ponctuels — observation pendant quelques heures un jour donné — sont fréquemment utilisés pour produire des « ordres de grandeur » de fréquentation. Leur faible coût les rend attrayants, mais leur fiabilité est très limitée.
Observer un mardi de novembre pluvieux et extrapoler à l'année entière sous-estime la fréquentation d'un facteur 3 à 5 pour un site touristique ou récréatif. Observer un samedi de juillet ensoleillé et extrapoler la surestime dans les mêmes proportions.
Résultat : les estimations annuelles produites à partir de comptages ponctuels varient de 1 à 10 selon le jour choisi pour l'observation.
Plusieurs agents comptant le même flux au même moment produisent des résultats différents. Les écarts peuvent atteindre 15 à 25 % selon l'attention, la fatigue, la méthode de comptage (clickers, feuilles, mémoire).
Résultat : même avec la meilleure volonté, un comptage manuel n'est pas reproductible. Comparer deux comptages réalisés par deux agents différents à deux moments différents ne produit aucune information fiable.
La présence visible d'une personne qui compte peut modifier le comportement des usagers : certains évitent de passer, d'autres au contraire viennent par curiosité. Cet effet est marginal en milieu très fréquenté, mais significatif en milieu peu fréquenté.
Exemple concret : un agent est posté sur un sentier forestier pour compter les randonneurs. Certains randonneurs, voyant quelqu'un posté là, s'arrêtent pour demander des informations, ce qui crée des interactions qui n'auraient pas eu lieu. La mesure modifie le phénomène mesuré.
Face à l'ensemble de ces biais et erreurs, une seule approche garantit des données fiables : la mesure automatique continue sur une période suffisamment longue pour capter les variations temporelles.
Les capteurs automatiques (thermiques, radars, boucles) éliminent les biais humains : pas de fatigue, pas de variation inter-observateurs, pas d'effet de la présence de l'observateur. La méthode est stable dans le temps, ce qui garantit la comparabilité des données.
La mesure 24h/24, 7j/7 capte toutes les variations : jours de semaine vs week-end, matin vs soir, été vs hiver, beau temps vs mauvais temps, périodes scolaires vs vacances. Elle évite les biais d'échantillonnage qui affectent les observations ponctuelles.
Une semaine de mesure peut capturer des variations quotidiennes mais reste insuffisante pour les variations saisonnières. Trois mois de mesure commencent à donner une image stable. Six à douze mois permettent de capter toutes les variations annuelles et de produire des estimations fiables de fréquentation annuelle.
Ordre de grandeur : Pour un site à forte saisonnalité (voie verte touristique, plage), il faut au minimum 6 mois de mesure incluant haute et basse saison. Pour un site à usage plus stable (axe cyclable urbain), 3 mois peuvent suffire pour obtenir une estimation correcte.
Les collectivités qui installent des capteurs découvrent régulièrement des écarts importants entre leur perception initiale et la réalité mesurée :
Cas 1 : Un sentier jugé « peu fréquenté » enregistre 12 000 passages annuels (35/jour en moyenne), mais concentrés sur les week-ends et jours fériés. Les agents, qui passent en semaine, ne voient personne et concluent à une sous-utilisation. Les données montrent un usage intense mais temporellement concentré.
Cas 2 : Une piste cyclable jugée « saturée » par les riverains enregistre 250 cyclistes/jour, soit un passage toutes les 3 minutes en moyenne sur 12h de journée. Les riverains ont observé les pics de 8h-9h et 18h-19h (80 cyclistes/heure, soit un passage toutes les 45 secondes) et généralisé.
Cas 3 : Une place publique jugée « toujours bondée » par les commerçants enregistre une fréquentation de 2 000 passages/jour, dont 70 % entre 12h et 14h. La perception de saturation permanente provient de l'observation pendant les heures d'ouverture du commerce (qui coïncident avec le pic de fréquentation).
Les erreurs de perception de la fréquentation ne sont pas des défauts individuels. Ce sont des biais cognitifs universels qui affectent tout le monde, y compris les gestionnaires d'espaces, les élus et les experts. La reconnaissance de ces biais n'est pas une critique — c'est un constat scientifique.
La conséquence opérationnelle est claire : on ne peut pas piloter des espaces publics sur la base de perceptions, aussi sincères soient-elles. Les décisions d'investissement, de dimensionnement, de régulation doivent s'appuyer sur des données objectives, produites par des méthodes robustes, sur des périodes suffisamment longues.
Cela ne signifie pas que les ressentis, les observations qualitatives et les remontées terrain n'ont pas de valeur. Au contraire : ils apportent des informations que les chiffres seuls ne peuvent pas donner (qualité de l'expérience, conflits d'usage, motivations). Mais ils ne peuvent pas servir de base pour quantifier.
Les territoires qui acceptent cette réalité — et qui investissent dans des dispositifs de mesure continue — constatent rapidement que les données objectives les surprennent, remettent en cause certaines certitudes et ouvrent des pistes d'action qu'ils n'avaient pas envisagées. C'est précisément parce que la mesure contredit parfois nos intuitions qu'elle est utile.
Piloter sans mesurer, c'est piloter les yeux fermés. On peut avoir de la chance. Mais on peut aussi se tromper — et ne jamais le savoir.
.svg)
.avif)
