Comment mesurer si la numérisation réduit ou creuse les inégalités sociales

Parler de fracture numérique comme s’il s’agissait d’une différence unique entre les personnes connectées et celles qui ne le sont pas revient à simplifier excessivement le problème. L’accès compte, mais aussi les appareils dont on dispose, l’adéquation de la connexion aux tâches à accomplir, les compétences acquises et les usages possibles. Une personne peut avoir accès à Internet et néanmoins rencontrer des difficultés pour effectuer une démarche, apprendre en ligne ou protéger ses données. Une autre peut utiliser Internet fréquemment sans disposer des outils ou du soutien nécessaires à une tâche particulière.

Il est donc préférable de distinguer les différentes dimensions avant de comparer des groupes ou d’évaluer une politique. La connectivité décrit une condition d’accès, et non le résultat social de cet accès. La fréquence d’utilisation ne permet pas non plus, à elle seule, de savoir si l’activité est utile, sûre ou autonome. Ces questions sont liées, mais ne sont pas équivalentes ; les réunir dans un seul indicateur peut masquer l’obstacle qui persiste et les personnes qu’il touche.

Une analyse utile distingue au moins la disponibilité d’une connexion et d’appareils, les compétences nécessaires pour se débrouiller, les types d’usage et les résultats. Cette dernière dimension comprend des questions telles que la possibilité d’accéder à un service, de répondre à un besoin ou de participer à une activité. Pour affirmer qu’il y a inclusion, il ne suffit pas de vérifier que la technologie est présente : il faut examiner si elle permet d’accomplir ce pour quoi elle est proposée.

Cette distinction aide à éviter deux erreurs fréquentes. La première consiste à interpréter une amélioration de l’accès comme la preuve automatique que les écarts se sont résorbés. La seconde consiste à attribuer une inégalité à un manque de compétences alors que les données ne recensent que la disponibilité ou la fréquence. Chaque conclusion doit être limitée à ce que l’indicateur mesure effectivement et à la population incluse dans la mesure.

En Espagne, une source récente est l’Enquête sur l’équipement et l’utilisation des technologies de l’information et de la communication dans les ménages de l’INE, dont la note de résultats porte sur 2025. La publication d’une édition récente permet de suivre le sujet à partir d’informations officielles, mais le titre de l’enquête ne doit pas être confondu avec une description complète de l’inclusion numérique : il faut d’abord consulter les tableaux, les définitions et la méthodologie propres à chaque variable.

Pour analyser les résultats, la première question doit être précise : mesure-t-on la présence d’équipements, l’accès à Internet, une activité réalisée ou une compétence particulière ? Ces indicateurs ne sont pas interchangeables. Avant de comparer deux pourcentages, il faut également vérifier qu’ils portent sur la même période, la même population, la même tranche d’âge et la même définition. Si les catégories ou le questionnaire changent, une différence entre éditions peut refléter en partie une évolution de la mesure, et pas seulement une transformation sociale.

La Décennie numérique de l’Union européenne fournit un autre cadre : la décision (UE) 2022/2481 établit le programme stratégique européen à l’horizon 2030. Cet horizon permet d’inscrire les objectifs et leur suivi dans une politique publique plus large, mais il ne remplace pas la consultation des indicateurs nationaux et ne transforme pas chaque statistique sur les usages domestiques en mesure directe de la réalisation des objectifs.

Une fiche de lecture devrait consigner au minimum l’indicateur, sa définition, la période de référence, la population concernée et les ventilations disponibles. Elle devrait également préciser si le chiffre provient d’une réponse à une enquête ou d’un autre type d’observation. Un nombre prend son sens avec son dénominateur et sa méthode, et non comme une donnée isolée reprise dans un titre. Si un résultat n’est pas ventilé selon une caractéristique donnée, il est impossible d’en déduire la répartition au sein de ce groupe.

Les comparaisons selon l’âge, les revenus, le territoire ou d’autres caractéristiques peuvent montrer où se concentrent les différences observées pour une variable. Mais constater que deux groupes obtiennent des résultats différents ne permet pas d’établir pourquoi. Plusieurs facteurs peuvent intervenir simultanément — comme l’éducation, la profession, la disponibilité d’appareils ou les besoins d’accompagnement — et une enquête descriptive ne permet pas nécessairement d’en distinguer le poids respectif. Les données aident à poser des questions et à repérer des inégalités observées ; elles ne permettent pas d’attribuer des causes sans analyse supplémentaire.

Avant d’affirmer qu’un écart touche un groupe, il faut vérifier que la source publie cette ventilation et que l’échantillon permet de l’interpréter. Une catégorie large peut masquer des différences internes ; une estimation fondée sur peu de cas peut être instable. L’âge, le revenu et le territoire ne constituent pas non plus des explications suffisantes en eux-mêmes. Lorsque plusieurs variables sont comparées simultanément, il faut savoir si l’analyse permet de distinguer leurs associations ou si elle présente seulement des croisements descriptifs.

Il importe également de savoir quels aspects ne sont pas observés. Une enquête générale auprès des ménages ne constitue pas automatiquement une évaluation spécifique de l’accessibilité ou des besoins des personnes handicapées. De même, constater qu’une activité a été réalisée ne permet pas de savoir si elle l’a été de manière autonome, avec l’aide d’une autre personne ou après plusieurs tentatives. Si la source ne pose pas ces questions, la conclusion doit signaler leur absence au lieu de combler le manque par une interprétation intuitive.

Une lecture équilibrée distingue trois niveaux : l’écart montré par les données, les hypothèses qu’il pourrait suggérer et les éléments nécessaires pour tester ces hypothèses. Une association entre des caractéristiques et un usage ne prouve pas qu’une caractéristique en est la cause. Cette prudence ne diminue pas la valeur des statistiques ; elle évite qu’une description utile se transforme en affirmation causale que le dispositif de mesure ne permet pas d’étayer.

Le champ d’une enquête est défini par son questionnaire, sa population et sa période de référence. Les réponses déclarées ne rendent pas toujours compte avec précision de la qualité d’une connexion, de la difficulté d’une tâche ou de l’aide reçue. En outre, les catégories publiées peuvent regrouper des situations différentes. Ces limites n’invalident pas les informations : elles indiquent le type d’affirmations qu’elles peuvent étayer et les points qui nécessiteraient des données complémentaires.

Les comparaisons dans le temps exigent la même prudence. Une variation entre deux années ne peut pas être attribuée à une mesure publique précise au seul motif que les deux événements se sont produits à peu près au même moment. Pour évaluer l’effet d’une intervention, il faudrait savoir qui en a bénéficié, quand, ce qui a changé et comment cette évolution a été comparée à une situation de référence appropriée. Sans un tel dispositif, le résultat décrit une évolution, mais n’en identifie pas à lui seul la cause.

Il convient aussi d’éviter l’indicateur unique de « numérisation ». Le pourcentage de ménages ayant accès à Internet ne résume pas les compétences ; une mesure des compétences ne démontre pas que les services sont accessibles ; et l’utilisation d’un service ne garantit pas qu’elle a produit le résultat attendu. Une politique peut améliorer une dimension tout en en laissant une autre inchangée. Si un indice composite est présenté, ses composantes, ses pondérations et les choix qui le construisent doivent être visibles afin qu’une moyenne ne masque pas les lacunes.

Les chiffres doivent donc être lus comme des éléments de diagnostic, et non comme une note globale indiquant si la société est incluse ou exclue. L’absence d’un écart observé ne démontre pas non plus qu’il n’en existe aucun : cela peut dépendre de la formulation de la question, des groupes inclus ou du niveau de détail publié. Expliquer ces limites dans un article n’est pas une faiblesse méthodologique ; cela fait partie des informations permettant au lecteur d’évaluer la portée de la conclusion.

La recherche peut aider à interpréter ce que les statistiques générales n’expliquent pas, à condition de respecter son échelle. Une étude de 2023 sur l’inclusion numérique dans le secteur éducatif décrit une recherche menée au sein d’une communauté éducative, à l’aide d’enquêtes structurées et d’une analyse réalisée avec des enseignants. Ce dispositif fournit un cas situé et associe des informations quantitatives et qualitatives ; il ne représente pas, à lui seul, l’ensemble de la population espagnole et ne permet pas de transposer directement ses résultats à d’autres domaines.

Ce type de données est utile pour poser des questions : l’accès disponible se maintient-il dans le temps, quelles applications sont utilisées ou quelles difficultés apparaissent lors d’une transition éducative ? Mais l’observation d’une communauté ne doit pas être présentée comme une tendance nationale. La confrontation vise à compléter les séries officielles et à rendre visibles des mécanismes possibles, non à remplacer une estimation représentative par un exemple ni à généraliser au-delà du dispositif de l’étude.

Une synthèse responsable distingue les données officielles décrivant des tendances dans la population des travaux qui étudient des expériences ou des contextes plus circonscrits. Elle tient également compte de la date des sources : un rapport de 2021 peut apporter un contexte historique, mais ne suffit pas à décrire la situation actuelle lorsque des données ultérieures existent. Il ne faut pas additionner directement des résultats issus d’années, de populations ou de méthodes différentes ; il faut d’abord expliquer à quelle question chaque source répond et quelles comparaisons sont légitimes.

Pour le lecteur, la vérification pratique peut se ramener à quatre questions : qui a été mesuré, quelles questions ont été posées, quand les informations ont-elles été recueillies et quelle inférence le dispositif autorise-t-il ? Si une publication ne répond pas à ces questions, il est prématuré de l’utiliser pour étayer une affirmation générale. La confrontation des sources améliore l’analyse lorsqu’elle explicite leurs différences, et non lorsqu’elle les efface.

Affirmer qu’une politique technologique réduit les écarts exige davantage que de montrer une hausse générale de la connectivité. Il faudrait observer des changements dans les dimensions que l’intervention cherchait à améliorer, identifier la population visée et vérifier si les résultats sont répartis équitablement. Si l’objectif est, par exemple, de faciliter les démarches administratives, l’accès à Internet peut être une condition préalable, mais l’indicateur pertinent devrait également décrire si les personnes peuvent mener la démarche à bien et avec quel accompagnement.

L’évaluation doit être cohérente avec l’intervention : objectifs explicites, indicateurs liés à ces objectifs et périodes de mesure comparables. Lorsqu’on cherche à attribuer des effets à une politique, l’analyse doit expliquer comment elle distingue ces effets des autres changements concomitants. Si seules des comparaisons descriptives avant-après sont disponibles, il faut le dire clairement et ne pas les présenter comme une preuve causale concluante. La précision sur le dispositif est aussi importante que le pourcentage final.

La conclusion la plus défendable n’est pas qu’un chiffre isolé confirme l’inclusion ou l’exclusion, mais que les statistiques permettent de repérer des dimensions et des écarts qui doivent être expliqués. En Espagne, il existe une enquête officielle récente sur l’équipement et l’usage des TIC dans les ménages ainsi qu’un cadre européen de suivi jusqu’en 2030 ; transformer ces références en évaluation sociale exige des définitions transparentes, des ventilations pertinentes et des mesures de résultats.

La question utile n’est donc pas seulement de savoir combien de personnes sont connectées, mais qui peut tirer parti de la technologie, pour quoi faire et dans quelles conditions. Une politique réduit un écart lorsque les données montrent des progrès pertinents pour les personnes confrontées à l’obstacle, et lorsque cette amélioration n’est pas déduite uniquement d’une moyenne générale. L’accès est un point de départ indispensable ; démontrer l’inclusion exige aussi de mesurer les capacités, les usages et les résultats, d’énoncer clairement les limites et de ne pas faire dire aux données plus qu’elles ne peuvent montrer.