Pour établir une statistique, il est nécessaire de collecter des données (Dupont, 2023), que ce soit de manière directe (par voie d’enquête) ou indirecte (en mobilisant des données administratives, voire des données détenues par des acteurs privés). Il faut également assurer la qualité de couverture de cette collecte : couvre-t-elle bien toutes les unités statistiques de notre champ d’intérêt ? Sans doublons ni omissions ? Les informations recueillies sont-elles relatives aux « bonnes » unités statistiques ?

Pour cela, disposer d’une liste de toutes les unités statistiques du champ d’observation, sans unités présentes à tort, s’avère extrêmement utile. En effet, on peut alors tirer un échantillon d’enquête dans cette base de sondage, ou encore vérifier que les données administratives utilisées sont exhaustives sur le champ, caractériser leur représentativité et les corriger le cas échéant afin d’éviter un biais lié à un défaut de couverture. De telles listes sont appelées « univers de référence ».

Un répertoire, c’est une liste exhaustive d’objets, avec très peu de variables (Rivière, 2022). S’il fallait dessiner un répertoire, il serait à la fois très haut, car il contient potentiellement toutes les observations d’un champ, mais très étroit, car peu de variables y sont gérées.

Les variables présentes dans un répertoire doivent permettre d’identifier sans ambiguïté les unités qu’il contient, notamment pour éviter des doublons, faciliter les mises à jour et permettre de les relier avec d’autres éléments du système d’information. Le répertoire forme la colonne vertébrale du système d’information. Un répertoire est un objet vivant, car mis à jour le plus souvent en continu ; il est néanmoins possible d’en extraire une photo, reflétant la situation un jour donné (souvent au 1^er janvier) qui constituera la base de l’univers de référence.

L’Insee s’inscrit dans une longue histoire et une longue expérience en matière de répertoires. Il gère ainsi le Répertoire national d’immatriculation des personnes physiques (RNIPP) depuis 1946 (Espinasse et Roux, 2022). Plus récemment, en 2019, l’Institut a construit et pris en charge le Répertoire électoral unique (REU) pour la gestion des listes électorales (Desmotes-Mainard, 2019).

Dans le domaine des entreprises, il a été confié en 1973 à l’Insee la gestion du répertoire Sirene (Système Informatique pour le Répertoire des ENtreprises et des Établissements).

Ces répertoires, notamment Sirene et le RNIPP, pourraient-ils servir d’« univers de référence » ? Pas directement, car les informations concernant les sorties du champ (départ du territoire national pour les individus, fin d’activité pour une entreprise), ne sont pas connues ou le sont avec retard. En effet, le RNIPP ne contient pas l’adresse des personnes et il n’y a aucune obligation de signaler des départs hors de France. Dans le domaine des entreprises, la cessation officielle intervient souvent bien après l’arrêt effectif de l’activité économique.

L’Insee a donc considéré qu’il fallait aller plus loin, en créant en aval des répertoires administratifs, des répertoires « statistiques ». De tels répertoires permettent de mettre en œuvre des traitements pour des usages statistiques, sans conséquence sur les personnes ou entreprises concernées par les traitements : par exemple, un traitement statistique peut conclure qu’une personne ne vit plus sur le territoire national, mais cela n’aura pas de conséquence sur son affiliation à un régime de retraite.

La statistique d'entreprises est en avance par rapport à la statistique démographique et sociale sur ce point. L’Insee a, en effet, mis en œuvre en 2012 le Système d’immatriculation au répertoire des unités statistiques (Sirus), un répertoire statistique des entreprises et d’établissements, enrichi de quelques informations collectées ou construites par la statistique publique – contours des groupes, niveau d’activité des entreprises, etc. (Hachid et Leclair, 2022).

En matière de statistiques démographiques et sociales, la situation était plus complexe : si on dispose d’une base de sondage construite à partir des fichiers fiscaux pour les enquêtes auprès des ménages, couvrant l’ensemble du champ des logements ordinaires, l’absence d’identifiant partagé et la non-exhaustivité des sources rendaient impossible de la considérer comme un « univers de référence » auquel comparer l’ensemble des sources administratives.

Plusieurs facteurs ont convergé pour aller plus loin en matière de statistiques démographiques et sociales.

D’une part, des besoins croissants concernant l’exploitation des données administratives, assortis de nouvelles opportunités. Côté besoins, il était nécessaire de répondre à de nouvelles questions, ou plus rapidement à des questions récurrentes, ou encore de mieux rendre compte de la diversité des situations notamment territoriales, via la production de données plus fines que celles obtenues sur la base d’échantillons ; par exemple, le dispositif Filosofi apporte une information finement localisée sur les niveaux de vie, à partir de déclarations fiscales et de données sur les prestations sociales. Côté opportunités, il existe des sources plus nombreuses, plus accessibles, mieux structurées et documentées, de meilleure qualité, ainsi que des capacités de traitement informatique permettant de traiter de très gros volumes de données de manière sécurisée et dans des délais courts (exemple du PASRAU). Comme la plupart des instituts nationaux de statistique, l’Insee investit donc fortement sur ce champ (encadré 1).

D’autre part, la suppression de la taxe d’habitation (TH) sur les résidences principales a accéléré le processus et imposé de trouver de nouvelles solutions pour les statistiques construites à partir de celle-ci.

L’Insee s’est appuyé depuis de longues années sur un fichier issu de la gestion de la TH, avec des utilisations de plus en plus riches. Ce fichier a d’abord permis d’établir une liste de logements dans chaque commune, afin de préparer et de contrôler les enquêtes annuelles de recensement. Il a aussi permis de calculer la population des communes en actualisant les résultats des enquêtes de recensement. Il a ensuite été utilisé comme base de sondage pour les enquêtes auprès des ménages et servi d’ossature au Fichier Démographique sur les Logements et les Individus (Fidéli) et de référence pour constituer les contours des ménages, préalable essentiel pour le calcul des niveaux de vie, y compris à des niveaux géographiques fins (Lamarche et Lollivier, 2021).

L’objectif avec Résil est donc de construire un dispositif rendant a minima les mêmes services que le fichier issu de la TH, c’est-à-dire réaliser le recensement, échantillonner les enquêtes auprès des ménages, reconstituer les niveaux de vie et créer des fichiers composites d’étude. L’Insee en a profité pour aller plus loin, sur trois axes : renforcer la pérennité du dispositif (ne pas revivre l’épisode de la suppression de la TH), progresser sur le contrôle du champ couvert et rendre le « service d’univers de référence » pour les processus de collecte et d’exploitation de données administratives.

La cible est donc de construire un dispositif plus robuste, à plusieurs titres :

Il est également possible, grâce au caractère central du répertoire, de développer les appariements de données (et donc de production multi-sources) et de contrôler la couverture des sources administratives, au regard de leur utilisation à des fins statistiques.

La cible est le répertoire statistique des individus et des logements (Résil), permettant de créer les univers de référence attendus pour la statistique démographique et sociale, mais aussi de faciliter les appariements de données administratives entre elles ou avec d’autres données, principalement d’enquêtes. L’objectif est d’y parvenir en 2025 (figure 1).

Figure 1 - Résil : un projet qui se construit étape par étape

Selon les termes du décret créant Résil , ce dernier « a pour finalité, en vue de contribuer au débat public ainsi qu’à l’élaboration et à l’évaluation des politiques publiques, de renforcer la capacité de l’Institut national de la statistique et des études économiques et des services statistiques ministériels à produire des données et études statistiques, en permettant l’établissement d’un répertoire national de la population et des logements et en facilitant les appariements de données administratives avec d’autres sources de données ».

Résil est donc une infrastructure de production permettant de répondre à plusieurs objectifs exclusivement statistiques.

Il offrira, uniquement au service statistique public, un service d’appariement de données avec des usages multiples et pouvant notamment servir (Dupont, 2023) à :

Ces appariements seront meilleurs et moins coûteux grâce à la présence d’identifiants communs ; on pourra par ailleurs en mesurer plus facilement la représentativité et la qualité.

Résil permettra également de mesurer la qualité des sources administratives qui constituent une des ressources principales de la statistique publique. Il sera possible de comparer le champ effectivement couvert par une source statistique à la liste des individus ou logements présents dans Résil, et ainsi de détecter d’éventuels défauts de couverture.

Dans le prolongement des dispositifs existants, la base de sondage dans laquelle tirer des échantillons pour les enquêtes réalisées par le service statistique public auprès des ménages sera issue de Résil. La couverture sera mieux assurée qu’auparavant, à la fois par la diversité des sources, l’ajout des personnes vivant dans les communautés et la prise en compte plus rapide des décès ; il sera également possible d’ajouter à la base de sondage des variables d’autres origines que les sources fiscales, ce qui rendra l’échantillonnage plus précis.

Résil fournira l’information permettant de préparer et réaliser les enquêtes annuelles de recensement, et d’en extrapoler les résultats, à l’instar de l’utilisation actuelle des fichiers issus de la taxe d’habitation (encadré 2). Résil pourra ainsi être mobilisé pour faciliter la production d’indicateurs démographiques plus précoces.

Enfin, Résil permettra de progresser sur la cohérence des traitements et des données produites, mais aussi sur l’efficience de ces traitements, via l’utilisation d’outils partagés et performants. En facilitant le rapprochement de données, mais aussi leur confrontation, en unifiant les données de référence et les marges de calage, il permet de « casser les silos » du système d’information actuel organisé par source.

Concrètement, Résil sera constitué de deux sous-répertoires statistiques distincts, reliés l’un à l’autre : un répertoire des individus et un répertoire des logements. Ils seront mis à jour régulièrement sur les naissances et les décès et avec les sources fiscales et sociales (données sur les prestations sociales et familiales de la Cnaf, DSN, PASRAU) ou d’autres sources sur un public spécifique, comme les fichiers d’inscription dans l’enseignement supérieur.

Un point essentiel : dans ces sources, on ne retient que des données d’identification des individus et des logements, des données d’adresse et des liens entre individus et logements (figure 2).

Figure 2 - Résil et ses sources d’alimentation*

* Cette liste de sources peut évoluer dans le temps, sous réserve d’un avis favorable de la Cnil et du Cnis..

À partir de ces répertoires seront produites annuellement des « photographies » composant l’univers de référence :

Les listes des individus et des logements serviront de référence pour la statistique démographique et sociale. Les listes de ménages sont indispensables pour construire des données telles que les niveaux de vie ou pour réaliser des enquêtes.

Les informations contenues dans les répertoires Résil seront essentiellement des clés d’identification pour assurer le rôle de liste de référence (éviter les oublis et les doublons) et pour réaliser les appariements :

Quelques autres variables permettant la gestion du répertoire et la mesure de la qualité :

Résil ne contiendra aucune autre information. Les données telles que le revenu, l’état matrimonial, la profession, la surface des logements, etc. figureront dans des bases spécifiques indépendantes de Résil, et ne seront mobilisées qu’à la demande dans le cadre d’un traitement distinct. Résil ne sera donc pas une « méga-base » contenant tout ce que l’on sait sur chaque individu ou chaque logement.

Le répertoire Résil s’appuie sur quatre piliers majeurs : des données d’origines diverses, des traitements statistiques permettant de les transformer en un répertoire statistique de qualité, un fondement juridique solide et un « mandat social ».

Résil utilisera plusieurs sources de données pour assurer :

Les résultats des premières expérimentations confirment l’intérêt de mobiliser chacune de ces sources, en sus de la seule source fiscale, en ce qui concerne la couverture de la population. Si on prend l’Enquête Annuelle de Recensement (EAR) comme référence, le gain global de couverture est de l’ordre de 2 points chez les individus de plus de 18 ans, mais il s’élève à 10 points pour les 21-25 ans. La couverture par âge est ainsi plus homogène qu’avec la seule source fiscale.

Pour les personnes vivant en communauté (environ 1,3 million de personnes dans des maisons de retraites, cités universitaires, internats, foyers de travailleurs, établissements pénitentiaires, communautés religieuses, etc.), le taux de couverture progresse de 10 points, de 80 % à 90 %.

Pour chacune des sources (voir Tableau des sources), le choix des données retenues est sélectif. Les données seront sélectionnées et orientées en entrée du système d’information de l’Insee pour n’alimenter que les processus qui en ont besoin. Le dispositif d’accueil fonctionne comme une gare de triage. Lors de cette étape, les NIR présents dans les sources seront remplacés par les codes statistiques non signifiants (CSNS) correspondants : les données d’identité seront orientées vers Résil, soit pour mise à jour, soit pour garantir la qualité de l’identification. Les données d’adresses seront également traitées à la source pour les remplacer par un identifiant non signifiant provenant du répertoire d’adresses de l’Insee.

Les données « métier », accompagnées des identifiants non signifiants de personnes et d’adresses, seront intégrées dans les systèmes d’information pour produire des données statistiques (figure 3).

Tableau des sources utilisées dans le processus d’alimentation de Résil

Figure 3 - Alimentation de Résil : sélection et traitement des données

Résil s’inscrit dans un principe de minimisation des données traitées : il comportera très peu de variables et permettra de supprimer les données directement identifiantes des autres systèmes d’information de l’Insee pour les remplacer par des pseudonymes. Par ailleurs, Résil ne contiendra aucune donnée statistique permettant de caractériser les individus et logements, celles-ci étant traitées uniquement par les applications destinées à produire des données statistiques.

Pour alimenter le répertoire, un outil modernisé de mise à disposition des données administratives utilisées à des fins statistiques a été développé.

Pour la plupart des sources mobilisées, le répertoire Résil est un nouvel « utilisateur » en complément des producteurs de données statistiques sur l’emploi, les revenus ou le logement. Mais l’arrivée de Résil est une opportunité pour rationaliser le dispositif d’accueil des données administratives, constitué actuellement de plusieurs dispositifs juxtaposés, liés à la fois aux sources et aux usages. Outre le projet de construction des répertoires, le projet Résil s’accompagne d’un projet de modernisation et d’unification du dispositif d’accueil et de structuration des données administratives en données statistiques brutes facilement exploitables pour produire des chiffres relatifs aux unités statistiques (individus, logements et ménages). Un tel dispositif repose sur l’outil Accueil-Réception-Contrôle, dit ARC. Le principe est d’utiliser le même outil pour l’accueil des différentes sources et leur mise à disposition vers les différents utilisateurs au sein du service statistique public. Cette rationalisation permet d’investir sur les performances et l’enrichissement fonctionnel d’un tel outil, sans sacrifier sa sécurité ni sa capacité d’adaptation rapide à des changements dans les sources, voire l’accueil de nouvelles sources. Compte tenu du nombre de sources à accueillir, de leur volume et de leur fréquence (au moins trois sources, parmi les plus volumineuses, sont mensuelles), mais aussi de la nécessité d’une alimentation rapide des systèmes de production d’indicateurs statistiques, la robustesse et les performances de traitement d’un tel outil sont cruciales. Sa capacité d’adaptation rapide aux transformations des sources administratives (dictées par les politiques qu’elles mettent en œuvre et non pas par les statistiques qu’elles permettent de produire) et à l’apparition de nouvelles sources est également essentielle.

Disposer des données est indispensable mais ne suffit pas. Il faut également des outils performants pour transformer ces données en un répertoire puis en un univers de référence (liste des individus effectivement résidents à la date du 1^er janvier, liste des logements habitables, liste des ménages), qui soit d’une qualité propre à son utilisation statistique.

Il s’agit d’abord d’identifier les individus, pour « mettre à jour les bonnes lignes du fichier », sur la base d’informations parfois incomplètes ou entachées d’erreurs ; c’est tout l’enjeu des moteurs d’identification (figure 4). Résil s’appuiera sur un processus plus discriminant que celui utilisé pour le CSNS, dans la mesure où il pourra utiliser, pour les cas les plus douteux, des informations complémentaires telles que la composition du ménage ou l’adresse de la personne.

Figure 4 - Des sources à l’univers de référence : une succession de traitements statistiques

* Calcul de l’état et du statut : il s’agit de déterminer si le logement est habité ou non, s’il s’agit d’une résidence principale, secondaire, ou d’un logement vacant..

Ensuite, il faut distinguer, parmi les individus présents dans le répertoire, ceux qui résident effectivement sur le territoire national et pour chacun d’eux déterminer leur résidence principale. Cela permet de construire l’univers de référence.

La personne vit-elle toujours sur le territoire national ? La méthode des « signes de présence » (ou « signes de vie » dans la littérature académique et professionnelle) consiste à mobiliser, en complément des données d’état civil incontestables (naissances, décès), l’information relative à la présence des individus dans telle ou telle source administrative, avec une adresse située sur le territoire. Si un individu non décédé dans le RNIPP est absent dans toutes les sources administratives, il y a une forte probabilité qu’il ne réside plus sur le territoire. S’il ne figure que dans une partie des sources dans lesquelles on devrait normalement le retrouver et possède une adresse à l’étranger dans au moins une source, il y a une probabilité non négligeable qu’il ait quitté le territoire. Chacun des signes de présence dans les sources peut être pondéré par la qualité de l’identification de l’individu et sa pertinence au regard des individus concernés. Par exemple, si on utilise le fichier des étudiants, il sera pertinent pour les 18-25 ans. Cette méthode est pratiquée dans plusieurs pays, tels que l'Estonie, l'Irlande, l'Italie ou l'Australie. Elle est encouragée par Eurostat, en lien avec le développement de l’usage des données administratives.

Des règles de décision en cas d’adresses multiples

Quand une personne a des adresses différentes d’un fichier à l’autre, il convient également de déterminer quelle est l’adresse de sa résidence principale. La divergence peut résulter d’un décalage dans la mise à jour des fichiers administratifs (la personne a déménagé mais l’information n’a pas encore été prise en compte) ou d’une multiple résidence (les « célibataires géographiques », les étudiants logés sur leur lieu d’études mais encore attachés au foyer fiscal de leurs parents, les enfants en garde alternée, etc.). Les règles de décision à retenir doivent permettre de localiser les personnes à leur résidence principale, selon les concepts prescrits pour les comparaisons internationales et mis en œuvre pour le recensement de la population.

Pour travailler sur des données stables, il est important d’avoir une photo donnant la situation au 1^er janvier.

L’univers de référence provenant de Résil doit correspondre à une situation stable pour permettre de partager son utilisation. Or le répertoire est vivant, ses mises à jour sont régulières. Il faut donc « prendre une photo » du répertoire reflétant la situation à une date donnée, celle du 1^er janvier par convention.

Résil sera mis à jour à partir de sources diverses qui n’arriveront pas toutes au même moment. Plutôt que d’attendre la dernière source pour développer la photo, il a été décidé de produire trois versions de chaque photo, au fur et à mesure de l’arrivée des données.

Par exemple, l’univers de référence provisoire au 1^er janvier 2025 sera produit à l’été 2025, la version semi-définitive en janvier ou février 2026, la version définitive au début de l’été 2026.

Chacun des utilisateurs pourra donc procéder à son propre arbitrage entre fraîcheur et exhaustivité en fonction de ses utilisations de l’univers de référence.

Il est également nécessaire de mesurer la qualité de couverture, ce que tout répertoire doit pouvoir faire. Cela se fait en confrontant avec les enquêtes annuelles de recensement et en se fondant sur la méthode d’estimation par système dual.

Le principe de cette estimation est de confronter les deux collectes, Résil d’une part et l’enquête de recensement d’autre part, de décompter les personnes présentes dans les deux sources et celles présentes dans l’une ou l’autre des sources afin d’en déduire le nombre de personnes absentes des deux sources, donc la taille de la population totale, sous l’hypothèse notamment d’indépendance des deux collectes et d’absence de personnes comptées à tort dans chacune des deux collectes.

Cette méthode est utilisée dans plusieurs pays pour estimer la couverture des recensements exhaustifs. Elle se développe actuellement pour mesurer la couverture des répertoires, par exemple en Italie pour le répertoire rassemblant les registres municipaux de population.

Résil s’inscrit dans le cadre juridique national et européen relatif à la production de statistiques publiques et à la protection des données individuelles (loi du 7 juin 1951 sur l’obligation, la coordination et le secret en matière de statistiques, Règlement Général pour la Protection des Données (RGPD) et Loi Informatique et Libertés). Aucune disposition de nature législative n’est nécessaire ; l’environnement cité ci-dessus garantit l’accès aux données nécessaires et les obligations relatives à leur protection.

L’Insee a considéré que le niveau juridique approprié pour fonder un traitement de cette nature est celui d’un décret en Conseil d’État. Un arrêté du responsable de traitement, en conformité avec le RGPD, aurait pu suffire s’il s’était agi d’un texte purement technique, mais les interrogations de nature plus politique ou sociétale que peut susciter le dispositif justifiaient un texte de ce niveau juridique, en offrant un examen critique préalable, par la Cnil et par le Conseil d’État, renforçant ainsi la légitimité du dispositif.

Le décret en Conseil d’État créant Résil a été publié au Journal Officiel le 7 janvier 2024. Il comporte des dispositions prises dans la plupart des textes créant des traitements de données personnelles : la création du traitement et sa finalité, la liste des variables et leur durée de conservation, les utilisateurs du répertoire, les destinataires des données qu’il gère et des fichiers qu’il produira, et les dispositions relatives à la sécurité du système d’information. Il comprend également plusieurs dispositions plus spécifiques à Résil : la définition des appariements, les conditions d’évolution de la liste des sources, la référence expresse aux exigences déontologiques propres au métier de statisticien. Un arrêté établissant la liste des sources utilisées pour construire et mettre à jour Résil, pris en application de ce décret, a également été publié au Journal Officiel le 7 janvier 2024.

Tout ce qui précède vise à conférer à l’Insee la capacité, technique ou juridique, à construire et gérer le répertoire. Cette capacité doit s’accompagner d’une légitimité, ou d’un mandat social. Les corps constitués et autorités compétentes confèrent une partie de cette légitimité, à travers les textes qui encadrent le fonctionnement de la statistique publique et le traitement Résil en particulier. Cependant, cette légitimité ne serait pas suffisante sans un « mandat social », preuve que ce traitement est reconnu et accepté par la population, qui fait confiance à l’Insee pour le mettre en œuvre.

L’Insee a souhaité associer des représentants de la société civile en amont du projet sous la forme d’une concertation approfondie avec différents acteurs afin de tenir compte des points de vue exprimés dans la construction du répertoire statistique tout comme dans ses usages.

La concertation menée en 2022 a reposé sur deux grandes actions : d’une part une rencontre du Conseil national de l’information statistique (Cnis) le 28 janvier 2022, d’autre part la création d’un groupe de concertation, placé sous l’égide du Cnis, qui a fonctionné de mai à septembre et dont le rapport est publié sur son site.

La rencontre a permis à l’Insee et à divers représentants de la statistique publique de présenter les pratiques, les usages et les techniques d’appariement ainsi que de montrer les apports pour la connaissance et l’action publique (mesurer l’insertion professionnelle des jeunes, étudier le devenir de bénéficiaires de minima sociaux, comprendre les écarts entre deux sources de données, etc.). Elle a permis l’expression d'interrogations, voire de craintes sur ce qu’un dispositif comme Résil pourrait permettre s’il était mal utilisé, mais elle a aussi fait émerger le souhait que l’effort de communication et de transparence mené à l’occasion de cette rencontre se poursuive par une concertation plus approfondie sur le projet.

Le groupe de concertation a permis de rassembler des expertises très variées (protection des libertés fondamentales, protection des données sur les plans juridique et informatique, transformation numérique, éthique, recherche, etc.) pour dresser la liste des interrogations suscitées par le projet Résil et échanger sur les réponses apportées par l’Insee. Ce groupe a conclu que le projet était légitime et conforme au principe de proportionnalité du traitement, à condition de ne pas utiliser certaines des sources initialement envisagées par l'Insee. Il a considéré également qu’il était nécessaire de bénéficier de regards extérieurs (Conseil d’État, Cnil, Cnis, Autorité de la Statistique Publique, Agence Nationale pour la Sécurité des Systèmes d’Information) lors de la construction et de l’utilisation de Résil. Il insiste également sur la nécessaire transparence sur le répertoire et ses usages, permettant un autre regard extérieur : celui des personnes concernées par le traitement.

L’Insee suit cette voie, tant au niveau du contenu du décret que des modalités de construction du système d’information, mais aussi dans la communication sur le répertoire et ses usages. Une page consacrée à Résil a ainsi été mise en place sur le site internet de l’Insee. Le Cnis jouera un rôle important, selon des modalités à construire, quant à la poursuite de la concertation sur Résil et sur les services qu’il rendra, notamment la construction de fichiers enrichis par appariements.

Dans les deux années qui viennent, les développements du système d’information seront finalisés, le répertoire sera initialisé et les traitements statistiques destinés à en assurer la qualité seront réalisés. Les premiers univers de référence (au 1^er janvier 2025) seront produits progressivement entre mi-2025 (le provisoire) et mi-2026 (le définitif) et les premiers services d’appariements seront rendus début 2026.