L’échantillon démographique permanent (EDP) a été créé en 1968 à l’Insee à partir de la compilation de données des recensements de la population et d’état civil. Il s’agissait de mettre en place un nouvel outil pour l’analyse des mobilités géographiques et des trajectoires sociales (Ouvrir dans un nouvel ongletSautory, 1988), comme les différentiels sociaux de mortalité, les parcours professionnels sur longue période ou la trajectoire des immigrés (mobilité professionnelle, acquisition de la nationalité française par exemple).

Plusieurs approches sont possibles pour constituer des données de trajectoires : enquêter des personnes à un moment donné en leur posant des questions sur leur parcours passé (enquête rétrospective, faisant appel à la mémoire des enquêtés) ; interroger plusieurs fois les mêmes personnes pour recueillir des informations au fil des années (mais avec la difficulté de retrouver les personnes pour les réinterroger, et une attrition qui augmente donc au fil des années) ; ou, comme le panel EDP, rassembler au fil des années des données recueillies par ailleurs.

Dès sa création, l’EDP mobilise des données administratives et des données du recensement de la population, ce qui en fait un dispositif particulièrement économe : pas de coût de collecte, pas de charge de réponse auprès d’enquêtés. L’échantillon peut donc être de grande taille, le tout sans attrition ni biais de mémoire. Un critère d’échantillonnage très simple a été retenu : le jour de naissance. Cela simplifie la mise en œuvre du panel et donc sa pérennité.

Sans effet de mémoire ni attrition, l’EDP est unique également par sa taille (3,7 millions de personnes actuellement), sa profondeur historique (50 ans de données pour plus de 200 000 personnes), et par la diversité de ses sources (état civil, recensement, puis fichier électoral et données socio-fiscales).

En 50 ans, l’EDP a dû s’adapter aux évolutions parfois importantes de ses sources historiques ; le panel a su aussi intégrer de nouvelles données, qui ont enrichi les études, mais ont aussi rendu plus complexe son exploitation.

Les personnes faisant partie de l’EDP sont celles nées certains jours de l’année, dits « jours EDP » et fixés par arrêté depuis 2014. Au départ, il s’agissait des personnes nées les 4 premiers jours d’octobre. La première source retenue pour démarrer le panel a été le recensement de 1968, complétée par des données d’état civil (naissances, décès, mariages).

En 1968, année de la création de l’EDP, 500 000 personnes sont ainsi entrées dans ce panel (figure 1) :

Figure 1. L’EDP à sa création en 1968

Si le panel avait été limité aux seules personnes nées en 1968, il aurait fallu attendre de nombreuses années avant d’étudier des trajectoires. Pour éviter cet inconvénient, l’échantillon a dès le départ été constitué de personnes de tous âges. Le panel s’est enrichi ensuite chaque année des personnes nées l’un des quatre jours de référence au cours de l’année en France à partir d’informations recueillies dans des actes d’état civil et d’informations consignées dans les bulletins de recensement successifs. Ainsi la base était proche d’un échantillon représentatif au 1/100ᵉ (4 jours / 365 jours) de la population résidant en France (Couet, 2006).

Depuis sa création, le renouvellement de l’échantillon est assuré par les naissances ou par la venue en France de nouvelles personnes. Si elles sont nées un jour EDP, ces dernières rejoignent l’EDP à l’occasion d’un recensement ou d’un événement enregistré dans un acte de l’état civil (Couet, 2006). À l’inverse, le suivi d’un individu cesse, de fait, en cas de décès ou de départ à l’étranger. Cependant, la trace de cet individu persiste dans l’échantillon avec le détail des événements démographiques qui ont jalonné son parcours sur le territoire, et l’on peut ainsi comparer à tout moment les trajectoires de différentes cohortes.

Le recensement de la population sert avant tout à établir le nombre d’habitants de chacune des circonscriptions administratives (établissement des populations dites légales), mais c’est aussi une source privilégiée pour décrire la population (sexe et âge, mais aussi diplôme, catégorie sociale, configurations familiales, etc.) : à ce titre, cette source est fondamentale pour l’EDP.

Le recensement a changé de méthode : exhaustif tous les sept à dix ans jusqu’en 1999, il est devenu annuel au début des années deux-mille, et sa collecte repose désormais sur un sondage. Depuis 2004, des enquêtes annuelles de recensement (EAR) sont ainsi menées sur un échantillon d’adresses. Conséquence pour les individus inclus dans l’EDP : ils ne sont donc plus recensés en même temps ; pour une année donnée, seul un individu sur sept est présent dans l’échantillon de l’enquête du recensement.

Pour compenser la dégradation de la qualité des estimations du fait de la réduction des données disponibles une même année, la taille de l’échantillon a été considérablement augmentée : le nombre de jours de référence EDP est passé de 4 à 16 (figure 2). Cet élargissement n’a pas été rétroactif, les données nominatives n’étant pas conservées dans les fichiers du recensement.

L’extension des « jours EDP » a volontairement été répartie sur l’année, pour améliorer les analyses de trajectoires pouvant être affectées par la saisonnalité des naissances (Ouvrir dans un nouvel ongletCnis, 2006). Depuis 2008, le suivi du panel EDP porte donc sur les personnes nées les 4 premiers jours de chaque trimestre, avec une subtilité pour éviter le 1^er janvier. Les « individus EDP » sont ceux nés un des 16 jours suivants : du 2 et au 5 janvier, du 1^er au 4 avril, du 1^er au 4 juillet, ou du 1^er au 4 octobre (ces 4 derniers jours étant les « jours historiques de l’EDP »).

L’élargissement du panel à 16 jours n’est pas la seule innovation mise en place pour pallier la fin de l’exhaustivité du recensement. L’EDP s’est tournée vers une autre source exhaustive : les données socio-fiscales.

Figure 2. Le passage à 16 jours permet de compenser en partie l’impact du recensement rénové

À l’origine, l’EDP compile des données d’état civil et de recensements de la population. Il s’enrichit en 2008 de données du fichier électoral (dates d’inscription sur les listes électorales, dates de radiation, communes d’inscription), puis du panel « tous salariés » (qui décrit le parcours d’emploi salarié et les rémunérations, depuis 1968) et de données socio-fiscales avec Fidéli (Fichiers démographiques sur les logements et les individus) et Filosofi (Fichier localisé social et fiscal) (encadré 1).

L’intégration des données fiscales a redonné à l’EDP l’exhaustivité qu’il avait perdue lors du changement de méthode du recensement de la population. Les données fiscales apportent annuellement pour tous les individus nés un des jours EDP notamment des informations sur :

Cela compense donc le fait que ce type d’informations n’est désormais plus récupérable via le recensement une année donnée sur la totalité des individus.

L’intégration de données socio-fiscales est sans doute la plus grande avancée de l’EDP ces dernières années. Ces données administratives exhaustives sont issues des déclarations servant à établir l’impôt sur le revenu et la taxe d’habitation, complétées par des données sur les prestations sociales. Elles sont utilisées à des fins statistiques et permettent à l’EDP d’enrichir les domaines couverts, grâce à l’introduction du niveau de vie, variable essentielle à de nombreuses analyses socio-économiques.

Alors que l’exploitation statistique des données fiscales en dehors de l’EDP ne permet un suivi individuel des niveaux de vie que sur deux années successives, l’intégration dans l’EDP de données issues des dispositifs Fidéli et Filosofi offre désormais un suivi sur plus longue période.

Cette panélisation des données fiscales depuis la déclaration fiscale de 2011 (revenus 2010), pour l’échantillon des personnes nées un « jour EDP », ouvre de larges perspectives d’études. Citons à ce titre l’étude récente sur l’évolution du niveau de vie des retraités (Abbas, 2020) : au moment des débats sur la réforme des retraites, cette analyse éclaire non seulement la situation financière des retraités l’année de leur départ à la retraite, mais aussi l’évolution de leur niveau de vie au cours des trois années qui le précèdent et des trois années qui le suivent. Elle met ainsi en lumière la dégradation des conditions de vie pour certains en fin de carrière et l’amélioration de leur situation financière après leur départ à la retraite, notamment pour les retraités les moins diplômés. Cette étude inédite n’aurait pas été possible sans l’EDP : elle combine des caractérisations sociales (données du recensement) et la connaissance des ressources au fil des années (données fiscales en panel), disponibles uniquement dans l’EDP.

Les trajectoires individuelles suivies dans l’EDP se sont ainsi étoffées (encadré 2).

L’introduction des données socio-fiscales exhaustives a aussi permis des études inédites sur la situation des familles après une rupture d’union, rares étant les données permettant de telles approches, comme le souligne le Cnis (Ouvrir dans un nouvel ongletThélot et alii, 2016). Il en est ainsi de l’étude sur le logement des familles l’année de la rupture d’une union et dans les années qui la suivent (Durier, 2017). Ou des analyses de l’évolution du niveau de vie après une rupture d’union, qui révèlent une forte baisse en moyenne l’année de la rupture pour les femmes et une « récupération » ensuite dans les années qui suivent (Costemalle, 2017), amélioration qui s’observe surtout pour les parents formant rapidement une nouvelle union (Abbas et Garbinti, 2019).

La force de l’EDP réside aussi dans la taille de son échantillon : l’étude sur le niveau de vie après une séparation a ainsi été déclinée pour la région en Auvergne-Rhône-Alpes (Balouzat et Labosse, 2020), ce qui n’aurait pas été possible avec un échantillon national moins important.

À la fois riche par la diversité des sources qui l’alimentent, la finesse géographique potentielle des analyses du fait de la taille de l’échantillon et la profondeur historique d’un suivi sur plus de 50 ans (encadré 3), l’EDP est une source incontournable pour les études en panel : près de 60 équipes de recherche travaillent actuellement à partir de ces données (Ouvrir dans un nouvel ongletCASD, 2021). Mais revers de la médaille, cette richesse s’est accompagnée d’une plus grande complexité pour pouvoir exploiter ces données.

L’EDP permet de croiser les informations individuelles de plusieurs sources : on peut par exemple étudier la mortalité (données d’état civil) selon à la fois le diplôme (recensement), la catégorie sociale (recensement ou panel tous salariés) et le niveau de vie (données fiscales). La richesse des informations va toutefois de pair avec la complexité de l’usage des données : réfléchir à la manière de construire sa population d’intérêt et à la nécessité ou non de pondérer les données est un préalable incontournable avant de mener une étude à partir de l’EDP. Ces pré-requis font que l’EDP s’adresse à des chargés d’études ou chercheurs à l’aise avec l’exploitation des données et ayant de solides compétences statistiques, pour ne pas introduire de biais dans les résultats et analyses.

C’est en combinant des informations des différentes sources intégrées à l’EDP que chaque chargé d’études construit sa population d’intérêt et les données nécessaires à son étude (encadré 1). Il doit alors faire appel à différentes tables statistiques de la base études de l’EDP (figure 3), reliées entre elles par un identifiant commun (encadré 4).

Par exemple, pour estimer les espérances de vie par niveau de vie, catégorie sociale et, diplôme, étude réalisée pour la première fois en 2018 grâce à l’intégration des données fiscales dans EDP, (Blanpain, 2018a), il a fallu sélectionner des personnes présentes au recensement (diplôme, CS), pour lesquelles on a recherché des données de l’état civil (état vital) et des données fiscales (niveau de vie). La constitution de sa base d’études a nécessité des expertises préalables. L’auteur a comparé l’ampleur des différentiels sociaux de mortalité (Blanpain, 2016) selon que l’on retient la catégorie sociale d’après le recensement ou d’après le panel tous salariés (Costemalle, 2016). Il a imputé un niveau de vie à partir de variables de revenus lorsque l’information sur le niveau de vie n’était pas disponible. Ceci est en effet le cas pour des personnes ne résidant pas en logement ordinaire par exemple, qui sont souvent des personnes âgées, et pouvait donc avoir un impact sur la mesure de la mortalité par niveau de vie (Blanpain, 2018b). L’auteur a également comparé sa population cible à d’autres données pour vérifier que la population d’intérêt qu’elle avait sélectionnée dans l’EDP était bien représentative de l’ensemble de la population étudiée (comparaison des espérances de vie estimées avec l’EDP à celles issues des bilans démographiques (Blanpain, 2018b)) et pouvoir recaler si besoin la population sélectionnée.

Une fois la population sélectionnée dans l’EDP, il faut se demander si elle représente bien la population générale, et se poser donc la question des pondérations.

Figure 3. En s’enrichissant, l’EDP rend son utilisation plus complexe

Le passage du recensement exhaustif aux enquêtes de recensement a introduit une nouvelle pratique pour les études menées à partir de l’EDP : les pondérations. La sélection sur les jours de naissance adoptée dans l’EDP ne biaise pas les analyses (aux limites mentionnées supra). Seul un facteur d’échelle était parfois utilisé pour donner des ordres de grandeur des effectifs concernés (par exemple en multipliant les effectifs concernés dans l’EDP par 365/4 ou 365/16 selon les années concernées). Mais estimer des répartitions ou des coefficients de modèles économétriques ne nécessitait pas toujours l’usage de poids : tous les individus avaient le même poids.

Or depuis 2004, le tirage de l’échantillon des enquêtes annuelles de recensement (EAR) marque une différence entre les petites et les grandes communes : ceci rend indispensable l’usage des pondérations associées aux EAR dans l’EDP dès lors qu’elles interviennent dans la définition de la population d’intérêt. Des variables de pondérations ont ainsi fait leur apparition dans l’EDP avec la fin de l’exhaustivité du recensement.

Mais on peut aussi utiliser les EAR sans utiliser ces pondérations, si par exemple cette source sert uniquement à compléter d’autres données en ajoutant des variables complémentaires notamment.

Ainsi, dans l’étude de l’évolution du niveau de vie des personnes parties à la retraite en 2013 (Abbas, 2020), une analyse est menée par diplôme. La population d’intérêt a été définie à partir des données fiscales et de la déclaration de revenus sous forme de pensions. Les informations pour ces personnes ont été complétées par le niveau de diplôme retrouvé dans une des EAR disponibles dans l’EDP. Il n’y a alors pas de raison de prendre en compte dans ce cas les pondérations des EAR, une fois vérifié que la population pour laquelle on a pu associer un niveau de diplôme ne diffère pas de la population cible totale (âge, niveau de vie, etc.).

En contrepartie de la richesse des données contenues dans l’EDP, son usage s’est donc complexifié. C’est pourquoi un groupe d’exploitation a été créé en 2015 par l’Insee. Il réunit des chargés d’études et des chercheurs, afin d’échanger sur les nouveautés introduites dans l’EDP et sur les travaux réalisés à partir de ce panel.

On dispose dans l’EDP d’une information de plus en plus précise sur les personnes qui composent le panel (encadré 1), mais pas de données directement identifiantes. Cependant, la répétition d’informations dans le temps rend ces données plus sensibles au risque de non-respect des critères d’anonymisation. En effet, si on connaît une personne dont la date de naissance correspond à un jour EDP, le croisement de ses autres caractéristiques connues avec les informations contenues dans le panel pourrait conduire à l’identifier dans le panel, selon une probabilité plus forte lorsque les informations sont répétées dans le temps que si on dispose uniquement de caractéristiques à une date donnée. Il y a donc un risque d’apprendre plus d’informations sur cette personne que celles que l’on connaît déjà, et donc d’atteinte potentielle à la confidentialité. C’est pour cette raison que la constitution et l’accès aux données de l’EDP sont très réglementés (encadré 5).

À l’Insee, les chargés d’études peuvent accéder aux données dans un espace dédié après demande nominative, et ils exploitent les données dans un autre espace, dédié aux traitements.

Pour les chercheurs, l’accès se fait par l’entremise du CASD, Centre d’accès sécurisé aux données (Gadouche, 2019), après avis favorable du comité du secret sur leur projet. Ce mode d’accès, en vigueur depuis 2010, a permis de développer les exploitations de l’EDP, sur des thématiques aussi différentes que les inégalités territoriales, la mobilité géographique des immigrés en France, les parcours professionnels et les transitions de carrières entre secteurs public et privé.

Pour les agents des services statistiques ministériels, la situation varie selon les conditions de sécurité pour les accès aux données au sein du SSM. Au besoin, ils peuvent aussi recourir à l’intermédiaire du CASD.

L’intégration des données socio-fiscales a permis de développer des études sur un champ nouveau : l’évolution du niveau de vie suite à un événement, et dans les années qui précèdent ou suivent cet événement. Elle a suscité l’intérêt des chercheurs en économie ou sur les familles : citons par exemple le projet Big_Stat, des données statistiques massives pour observer une société mobile (Ouvrir dans un nouvel ongletIned, 2021). Elle a également élargi la possibilité d’analyses régionales (Lacour, 2018, Bertaux et alii, 2019, Balouzat et Labosse, 2020, Ouvrir dans un nouvel ongletDherbécourt et Kenedi, 2020).

L’élargissement des sources de l’EDP va se poursuivre prochainement, avec le panel non salariés, pour couvrir de plus larges trajectoires d’emploi : l’EDP comprendra des données annuelles sur l’activité salariée et sur l’activité non salariée, toujours sur longue période, permettant ainsi d’analyser les trajectoires entre différents types d’emploi au fil de la carrière, en lien avec les caractéristiques socio-démographiques des individus (diplôme, famille, etc.). Par le cumul d’informations depuis maintenant plus de 50 ans, l’EDP permet déjà de suivre des trajectoires longues, combinant notamment les parcours de vies familiale et professionnelle.

L’EDP s’ouvre également à un nouveau domaine, dans un cadre juridique spécifique : celui de la santé. En 2019, la Drees a apporté à l’EDP les informations du système national des données de santé (SNDS) : cette source, gérée par la Caisse nationale de l’assurance maladie comprend notamment les consommations de soins et les causes médicales de décès, sur 10 ans mais sans informations ni sur les revenus, les milieux sociaux ou les situations professionnelles et familiales. Les données de santé faisant l’objet de procédures spécifiques, ce traitement, autorisé par la Cnil, est limité dans le temps (5 ans) (Ouvrir dans un nouvel ongletDrees, 2020). Il s’inscrit dans une finalité délimitée, pour évaluer la stratégie nationale de santé 2018-2022. Il permet de répondre à des questions sur l’évaluation des inégalités sociales de santé, et de compléter les analyses menées avec les données de santé en panel, mais ne comprenant que peu de descripteurs sociaux. La première publication de la Drees avec l’« EDP-santé », offre ainsi un complément d’analyse sur l’interruption volontaire de grossesse, sur la fréquence des IVG selon le niveau de vie (Ouvrir dans un nouvel ongletVilain et alii, 2020).

Enfin, l’émergence de nouvelles sources sur les carrières professionnelles et les motifs d’interruption offrent des pistes qui ne demandent qu’à être explorées.

Ouvrir dans un nouvel ongletArrêté du 6 août 2014 portant création d’un traitement automatisé de données à caractère personnel relatif à l’échantillon démographique permanent de l'INSEE. In : site de Légifrance. [en ligne]. [Consulté le 30 mai 2021].