Alors qu’au Brésil les premiers cas de Covid-19 ont été signalés dans les grandes villes, rapportés d’Europe et d’Asie par des touristes ayant les moyens de faire des voyages lointains, l’épidémie a rapidement frappé les quartiers les plus pauvres. Postulant que la cartographie a une valeur heuristique et explicative, qu’elle ne montre pas de simples co-incidences mais qu’elle peut mettre sur la piste de relations de causalité, les figures qui suivent cherchent à détecter les facteurs qui sont associés à la maladie, et l’on y voit bien que c’est précisément dans les marges qu’elle a fait des ravages.

En adoptant comme critère les causes de mortalité par 100 000 habitants par distrito de la commune de São Paulo, la figure 1 montre que les décès causés par cette épidémie ont une répartition qui ressemble à celle de ceux causés par le Sida (dans le centre et la périphérie de l’Est de la ville, la Zona Leste) alors que ceux qui sont causés par la démence et la maladie d’Alzheimer sont typiques du centre, et que ceux qui sont provoqués l’alcoolisme et les homicides le sont des périphéries de la ville.

Mais quand on passe de cartes analytiques à un traitement statistique par une Classification Ascendante Hiérarchique (CAH) – dite aussi « de clusters », ce qui parait approprié pour analyser la répartition des cas de Covid-19 – la conclusion est un peu différente. Dans ce type d’analyse, des groupes sont formés, en fonction de similitudes entre les variables analysées. Une fois les regroupements créés, on peut analyser le profil de chacun par rapport à la moyenne des différentes variables : ce sont les barres horizontales à côté de la carte, elles tendent vers la gauche quand les valeurs du regroupement sont inférieures à la moyenne et à droite quand elles sont supérieures.

Dans le regroupement le plus poussé, en deux groupes seulement (figure 2), deux situations apparaissent. Dans la première (rouge), la proportion de décès liés à la Covid-19 est inférieure à la moyenne, et dans la seconde c’est le contraire. Si on regarde comment se comportent les autres variables, on constate que les décès liés à la pandémie sont associés à d’autres causes qui caractérisent bien – et bien tristement – les marges de la ville, opposant franchement centre et périphérie : alcoolisme, homicides, hypertension, etc. varient dans le même sens que la mortalité attribuable au SARS-CoV-2.

Mais si l’on passe de deux à quatre groupes (figure 3), on remarque que cette fois les décès liés à la pandémie contribuent à la formation de plusieurs groupes distincts. Dans le groupe 3 (la plus grande partie du centre) ils sont en-dessous de la moyenne, tandis que le groupe 1, où ils jouent le rôle le plus limité, dessine une auréole entre le centre et les périphéries. Dans le groupe 2 ce sont les homicides qui dominent, mais le groupe 4, celui où ils pèsent le plus, associe les marges du nord et de l’est de la ville à son centre, et même à ses quartiers les plus centraux, les abords des gares autour desquels s’est développée la ville au moment du boom du café. C’est là que se situe la Cracolândia (par dérivation du crack+ lândia = terre de crack), situé entre deux gares et l’ancienne gare routière de la ville de São Paulo.

Comme le disait un billet récent, les données d’août 2020 sur le taux de cas de Covid-19 pour 100 000 habitants (figure 4) confirment que les périphéries de la ville sont les plus atteintes par la pandémie et dessinent une géographie qui correspond presque exactement à celle des analyses présentées plus haut.

La Covid-19 confirme bien son caractère de double peine : on a bien plus de chance d’être touché par la pandémie en étant pauvre, diabétique et dans un quartier violent de la périphérie de São Paulo que riche et habitant un grand appartement dans un quartier tranquille situé en centre-ville…

Ivry, le 12 septembre 2020

Hervé Théry est directeur de recherche émérite au CNRS (UMR CREDA) et professeur à l’Universidade de São Paulo (USP-PPGH).