Quand le temps devient variable

Mesurer les trajectoires et les pratiques dans les grandes enquêtes

Claire Kersuzan (PUD-Bx, MSH-Bx/Univ. de Bordeaux, LifeObs/Ined)
Capucine Rauch (PUD-S, MISHA/Univ. de Strasbourg, LifeObs/Ined)

Journées annuelles Mate-SHS 2026 — Limoges

Le temps : une grammaire centrale de la démographie

La démographie mobilise constamment des notions temporelles :

Mesurer

  • âge
  • durée
  • intervalle
  • ancienneté
  • taux par âge

Situer

  • période
  • cohorte
  • génération
  • calendrier
  • cycle de vie

Suivre

  • transition
  • trajectoire
  • panel
  • longitudinal
  • analyse biographique

Tables, taux, indicateurs : mesurer un phénomène, c’est toujours le situer dans le temps.

Le temps est à la fois unité de mesure, dimension d’analyse et objet de recherche.

Situer un événement : âge, période, cohorte

Diagramme de Lexis (Pressat, 1983).



Un événement démographique peut être lu selon trois temporalités :

  • Âge → moment dans la vie
  • Période → contexte historique
  • Cohorte / génération → expérience partagée d’un groupe

Toute analyse démographique repose sur l’articulation de ces différentes dimensions temporelles.

Trois manières d’observer le temps


Trajectoires

  • naissance / décès
  • union
  • mobilité

→ enchaînement des événements de vie

Pratiques

  • sommeil
  • travail
  • alimentation

→ organisation du quotidien

Temps social

  • calendrier
  • rythmes
  • synchronisation

→ inscription dans des temporalités collectives


Trois dimensions, trois manières de collecter et mesurer le temps.


Ces temporalités ne sont jamais observées directement : elles dépendent toujours de dispositifs d’enquête et de mesure.

Problématique


La démographie est une science du temps.


Mais le temps n’est jamais directement observable. Il est :

  • déclaré
  • daté
  • reconstruit
  • standardisé
  • transformé en variable


Le temps que nous analysons est toujours le produit d’un dispositif d’enquête.

Comment les dispositifs produisent-ils le temps que nous analysons ?

Notre fil conducteur



Collecter le temps

  • dispositifs
  • enquêtes
  • sources

Produire des temporalités

→

Mesurer

  • précision
  • biais
  • formulation

Transformer le temps en variable

→

Analyser

  • trajectoires
  • temporalités
  • séquences

Reconstruire des trajectoires

PARTIE I

Collecter le temps

Produire des temporalités

Collecter le temps : quatre dispositifs


Enquêtes rétrospectives
Reconstruire le passé à partir des déclarations et de la mémoire des enquêté·es.

Données administratives
Reconstituer des trajectoires à partir de traces et d’enregistrements successifs.

Cohortes longitudinales
Suivre les individus au fil des vagues d’enquête et des observations répétées.

Carnets d’activité
Observer l’organisation du quotidien et l’enchaînement des activités.


Chaque dispositif produit une manière différente de représenter le temps.

I-A. Reconstruire le passé

I-A

Reconstruire le passé

Les enquêtes rétrospectives

  • collecte ponctuelle ;
  • reconstruction des trajectoires ;
  • mémoire des enquêté·es ;
  • datation des événements.

Comment produire un temps cohérent à partir de souvenirs et de déclarations ?

Calendriers biographiques : aider la mémoire


Objectifs

Reconstruire des trajectoires à partir d’une collecte ponctuelle.

  • aider la mémoire;
  • dater les événements;
  • articuler trajectoires familiales, professionnelles et résidentielles;
  • vérifier la cohérence des parcours de vie.



Exemple de calendrier biographique (AGEVEN), enquête Biographies et entourage (3B) (Lelièvre et al., 2001).

Burundi (ESDSR 2002) : dater les décès pendant la crise

Objectif

Estimer le nombre d’enfants ayant perdu un parent pendant les crises sociopolitiques.

Collecte

  • survie des parents biologiques;
  • date du décès;
  • cause déclarée du décès.

Dispositif

  • frise historique;
  • repérage d’événements politiques et collectifs;
  • datation rétrospective des événements.



Frise historique utilisée dans l’ESDSR Burundi 2002 pour aider à dater les événements.

Confronter les déclarations pour reconstruire le temps

Un même phénomène, plusieurs mesures

Estimation de la proportion d’enfants ayant perdu un parent au Burundi :

  • déclaration des enquêté·es sur leurs parents;
  • déclaration des parents sur leurs enfants;
  • combinaison et corrections des informations (poids inégaux des déclarations);
  • comparaison avec une autre enquête (MICS 2005).

Comparaison de différentes estimations de l’orphelinage à partir de l’ESDSR 2002 et de l’enquête MICS 2005. (Kersuzan, 2012).

Les estimations varient selon la manière de collecter, relier et corriger les événements dans le temps.

I-B. Reconstruire des trajectoires

I-B

Reconstruire des trajectoires

À partir de données discontinues

  • traces administratives successives ;
  • informations collectées à différentes dates ;
  • événements intermédiaires parfois invisibles ;
  • trajectoires reconstruites a posteriori.

Comment produire un suivi dans le temps à partir de données qui ne sont pas continues ?

Reconstituer des trajectoires à partir de données discontinues


Exemple : l’Échantillon démographique permanent (EDP)

Panel construit à partir de plusieurs sources administratives :

  • recensements;
  • état civil;
  • données électorales;
  • données d’emploi;
  • données socio-fiscales.

Exemple simplifié d’informations successives disponibles dans l’EDP. (INSEE, 2024)

On ne suit pas directement les individus :
les trajectoires sont reconstruites à partir de traces administratives successives.

Produire un pseudo-suivi longitudinal

Exemple : fécondité et trajectoires résidentielles

À partir de plusieurs recensements harmonisés (IPUMS, IECM Project) :

  • reconstitution indirecte de la fécondité passée
    (par année, rang de naissance et génération);
  • méthode “Décompte des enfants au foyer” (DEF).

Analyses possibles par la reconstruction

  • contextes résidentiels liés à arrivée des enfants.
  • effets de voisinage dans plusieurs pays européens.

Limites

  • événements intermédiaires invisibles / trajectoires simplifiées;
  • dépendance aux variables disponibles;
  • temporalité partiellement reconstruite.

Exemple d’analyse à partir des données IPUMS (IECM Project) (Kersuzan, 2010a; Kersuzan, 2010b).

I-C. Observer le temps en train de se faire

I-C

Observer le temps en train de se faire

Cohortes, panels et carnets d’activité

  • observations répétées ;
  • suivi des individus ou des pratiques ;
  • temporalités observées directement ;
  • comparaison entre moments de vie ou moments du quotidien.

Comment suivre le temps lorsqu’il est observé au fil de son déroulement ?

Suivre les individus dans le temps : cohortes et panels

Caractéristiques principales :

  • observations répétées des mêmes unités ;
  • informations qui évoluent au fil des vagues ;
  • exemples de dispositifs : naissance, épidémiogiques, panels, etc.


Temporalités observées dépendent :

  • rythme et mode des collectes;
  • évolution des questionnaires;
  • sorties d’enquête (attrition).

Suivre dans le temps ne signifie pas mesurer exactement la même chose à chaque vague.

Les carnets d’activité : mesurer le quotidien

Mesures possibles

  • durées;
  • horaires;
  • enchaînements d’activités.

Intérêts

Limites

  • dispositifs coûteux;
  • taux de réponse souvent plus faibles.(Kan, 2008)



Exemple de carnet d’activité — enquête Emploi du temps 2009-2010 (Insee, 2017).

PARTIE II

Mesurer le temps

Des choix rarement neutres

II-A. Les formulations transforment les mesures

II-A

Les formulations transforment les mesures

  • ce qui est demandé ;
  • ce qui est inclus ou exclu ;
  • ce qui est laissé à l’interprétation des enquêté·es.

Mesure-t-on la même chose lorsque l’on pose différemment la question ?

Les formulations transforment les mesures

Exemple : mesurer le sommeil dans Constances

À chaque vague, la mesure du sommeil évolue :

  • sommeil déclaré;
  • sommeil calculé;
  • temps passé au lit;
  • prise en compte variable :
    • de l’endormissement;
    • des réveils;
    • des siestes;
    • des jours considérés.

Une même notion (« dormir ») peut produire des mesures différentes selon la formulation retenue. (Rauch, 2025)

Au cours de la dernière semaine (en dehors du week-end), combien de temps avez-vous dormi en moyenne par nuit ?

Inclusion V1

Inclusion V2 et suivi 2013
Suivi 2015

Différentes formulations produisent différentes estimations

Estimations du temps de sommeil selon les formulations utilisées.
Dispositif Formulation / calcul Médiane
Constances V1 Sommeil déclaré 7h00
Constances V2 Sommeil calculé
(sans endormissement)		 7h25
Constances V2 Sommeil calculé
(avec endormissement)		 7h45
Constances V2 Temps passé au lit 8h15
EDT 2010 Temps consacré au sommeil 8h10

Selon la formulation retenue, une même pratique varie de plusieurs minutes. (Rauch, 2025)

II-B. L’ordre des questions transforme les réponses

II-B

L’ordre des questions transforme les réponses

  • effets de contexte ;
  • amorçage cognitif ;
  • interprétation des questions.

Une réponse est-elle indépendante des questions qui la précèdent ?

L’ordre des questions transforme les réponses : l’exemple de TraCov2

Expérimentation

Commencer par :

  • une question sur la durée du travail (A);
  • ou par un bloc sur l’organisation du temps de travail (B).



Le contexte immédiat de la question influence les durées déclarées (Beatriz et al., 2025).

II-C. Le contexte de collecte transforme les réponses

Les mesures dépendent également :

  • du thème du questionnaire ;
  • de la définition de l’objet étudié ;
  • des biais de mémoire ;
  • du mode de collecte ;
  • de l’attrition dans les suivis.

Les différences observées reflètent-elles toujours les comportements étudiés, ou parfois les conditions de leur mesure ?

PARTIE III

Analyser les temporalités

Reconstruire des trajectoires

Modéliser les événements au cours du temps

Données temporelles permettent d’étudier :

  • la survenue et le calendrier des événements;
  • leur répétition;
  • l’effet de caractéristiques évoluant dans le temps;
  • l’influence des contextes

Méthodes mobilisées :

  • analyse biographique;
  • modèles de durée, dont Cox;
  • variables dépendantes du temps;
  • modèles multiniveaux / hiérarchiques.

Exemple : durée de l’allaitement
Allaitement total et prédominant selon l’âge de l’enfant (Kersuzan et al., 2015)

Les trajectoires reconstruites deviennent des objets d’analyse statistique.

Autre exemple : rester opérationnel·le aux Journées annuelles Mate-SHS 2026

Probabilité estimée par la méthode de Kaplan-Meier (n = 80)

Analyser les temporalités : l’exemple de l’analyse de séquence

Pourquoi ?

  • chronologie des événements;
  • trajectoires complètes;
  • types de parcours ou d’emplois du temps.

Comment ?

  • transformation données en séquences;
  • comparaison des trajectoires entre individus.

Méthode fréquemment utilisée
→ appariement optimal / optimal matching

Synchronisation des temps de sommeil au sein des couples (Rauch, 2021)

Conclusion

  • Le temps statistique dépend :

    • du dispositif;
    • des formulations;
    • du mode de collecte;
    • des reconstructions réalisées;
    • des traitements statistiques.
       

Les temporalités analysées en analyse quantitative ne préexistent pas aux données :
elles émergent d’opérations de collecte, de codage, de reconstruction et d’interprétation.

Ouverture : rendre les temporalités réutilisables

Grandes enquêtes longitudinales et biographiques produisent des données particulièrement riches… mais aussi complexes à interpréter.

Les infrastructures comme LifeObs ou Quetelet-Progedo jouent alors un rôle important :

  • documenter les dispositifs d’enquête;
  • conserver les temporalités de collecte;
  • accompagner la réutilisation des données;
  • proposer des formations autour de la prise en main et de l’analyse des données de parcours.

Réutiliser des données temporelles ne consiste pas seulement à accéder à des fichiers :
il faut aussi comprendre comment les temporalités ont été produites et comment les analyser.

Rendre les données réutilisables, c’est aussi rendre les temporalités réutilisables


Bibliographie

Beatriz, Mikael et Erb, Louis-Alexandre. 2025. Mesurer La Durée Habituelle de Travail Par Enquête : Quel Impact Du Séquencement Du Questionnaire Sur l’estimation Obtenue ? Rapport 284. Dares. En ligne : https://dares.travail-emploi.gouv.fr/sites/default/files/426848311003aa8721a06591942b9e99/DE_mesure_Temps_Travail_TraCov.pdf [consulté le 12 mai 2026].
Gershuny, Jonathan et Sullivan, Oriel. 1998. « The Sociological Uses of Time-use Diary Analysis », European Sociological Review. vol. 14 nᵒ 1. DOI : 10.1093/oxfordjournals.esr.a018228.
INSEE. 2024. Manuel de l’utilisateur, Base Étude 2021 de l’Echantillon Démographique Permanent. [s.n.].
Insee. 2017. Enquête Emploi du temps et Décisions dans les couples 2009-2010 - Dictionnaire des codes. [s.n.].
Kan, Man Yee. 2008. « Measuring Housework Participation: The Gap between “Stylised” Questionnaire Estimates and Diary-based Estimates », Social Indicators Research. vol. 86 nᵒ 3. DOI : 10.1007/s11205-007-9184-5.
Kersuzan, Claire. 2012. Le devenir des orphelins au Burundi : analyse des conséquences de l’expérience précoce du décès parental dans un contexte de crise socio-politique, Doctorat ès Démographie, PhD. [s.l.] : Bordeaux 4. DOI : 10.70675/e52783afz13dcz4978zbb16zcdbedb98b039.
Kersuzan, Claire. 2010a. « La Méthode Du Décompte Des Enfants Au Foyer : Évaluation Des Estimations de Fécondité Générale et de Fécondité Par Rang Dérivées Des Données Censitaires » Actes Du Xve Colloque National de Démographie, Strasbourg — Mai 2010. [s.l.] : CUDEP. (CUDEP).
Kersuzan, Claire. 2010b. « Logement et Fécondité : Analyse de Certains Aspects d’une Relation à Double Sens. » Actes Du XVe Colloque National de Démographie « Fécondité : Représentation, Causalité et Prospective », Mai 2010, Strasbourg. [s.l.] : [s.n.]. (CUDEP).
Kersuzan, Claire, Wagner, Sandra, Gojard, Séverine, Tichit, Christine, Nicklaus, Sophie, Geay, Bertrand, Charles, Marie-Aline, et De lauzon guillain, Blandine. 2015. « Durée de l’allaitement En France Selon Les Caractéristiques Des Parents et de La Naissance. Résultats de l’étude Longitudinale Française Elfe, 2011 », Bulletin épidémiologique hebdomadaire. nᵒ 29.
Lelièvre, Éva et Vivier, Géraldine. 2001. « Évaluation d’une collecte à la croisée du quantitatif et du qualitatif. L’enquête Biographies et entourage ». DOI : 10.2307/1534752.
Pressat, Roland. 1983. L’ analyse démographique: concepts, méthodes, résultats. 4., éd., refondue et augm. Paris : Presses Univ. de France.
Rauch, Capucine. 2025. « Mesurer la durée. Une analyse à partir du temps de sommeil dans les enquêtes Emploi du temps et la cohorte Constances », Bulletin of Sociological Methodology/Bulletin de Méthodologie Sociologique. vol. 165–166 nᵒ 1–2. DOI : 10.1177/07591063251321686.
Rauch, Capucine. 2021. « Social Inequalities and the Desynchronisation of Sleep within Couples », Economie et Statistique / Economics and Statistics. nᵒ 522–523. DOI : 10.24187/ecostat.2021.522d.2040.
Robinson, John P., Martin, Steven, Glorieux, Ignace, et Minnen, Joeri. 2011. « The Overestimated Workweek Revisited », Monthly Labor Review. vol. 134 nᵒ 6.