Cartographier les déserts médicaux au Sénégal avec QGIS

Un désert médical, ce n'est pas un endroit sans soignant. C'est un endroit où le ratio entre la population et l'offre de soins descend sous un seuil acceptable, et où la distance au centre de santé le plus proche dépasse une distance acceptable. Le SIG est l'outil le mieux équipé pour rendre cette définition opérationnelle — à condition de bien choisir ses données et d'être honnête sur ce qu'on mesure vraiment.

Cet article retrace une démarche de cartographie des déserts médicaux à l'échelle des communes du Sénégal, à partir uniquement de données ouvertes. Aucun script Python : tout est faisable dans QGIS 3.34, en deux après-midi. L'objectif n'est pas de produire une carte définitive — c'est de poser une méthode reproductible que vous pourrez adapter à votre territoire.

Le problème, posé proprement

Avant de cliquer sur quoi que ce soit, on définit nos seuils. Sinon, on produit une jolie carte qui ne dit rien. Trois variables nous intéressent :

• Densité de personnel soignant pour 10 000 habitants — l'OMS recommande un minimum de 23 médecins, infirmiers et sages-femmes pour 10 000 personnes pour assurer une couverture santé de base.
• Distance au centre de santé fonctionnel le plus proche — au-delà de 5 km à pied (≈1 h de marche), l'accès devient critique pour les soins primaires non urgents.
• Temps de trajet au centre hospitalier de référence en cas d'urgence — 1 h en transport est le seuil habituel pour la prise en charge d'une urgence obstétricale ou cardiaque.

Une commune est classée en désert médical si elle satisfait au moins deux des trois critères. C'est un choix méthodologique, pas une vérité absolue. À documenter dans la légende de la carte finale, sinon votre travail sera contesté à juste titre.

Les données qu'on rassemble

On a besoin de quatre couches sources, toutes ouvertes :

1. Limites administratives des communes du Sénégal — disponibles sur GADM (gadm.org/download_country.html, niveau 3 pour le Sénégal).
2. Population par commune — ANSD (Agence Nationale de la Statistique et de la Démographie) publie le recensement 2023, exportable en CSV.
3. Localisation des structures de santé — OpenStreetMap, requête Overpass Turbo : `amenity=clinic`, `amenity=hospital`, `amenity=doctors`. À nettoyer manuellement (POI dupliqués, structures fermées).
4. Réseau routier praticable — OpenStreetMap, couches `highway=primary`, `secondary`, `tertiary`, `unclassified`, `track`. Pour le calcul de temps de trajet.

Note importante : OSM est inégalement renseigné selon les régions. Sur Dakar, la couverture des structures de santé approche 80 %. Sur le Ferlo ou la Casamance intérieure, elle peut tomber sous 40 %. Si votre étude porte sur ces zones, complétez avec les données du Ministère de la Santé et de l'Action sociale (carte sanitaire 2022) — disponibles sur demande administrative.

Préparer les données dans QGIS

On charge les couches dans un projet QGIS, en projection EPSG:32628 (UTM zone 28N) — adaptée au Sénégal pour les calculs de distance en mètres. Évitez WGS84/EPSG:4326 pour les calculs de buffer ou de longueur, vous obtiendriez des distances en degrés qui ne servent à rien.

Première étape — joindre la population à la couche communale. Outil : « Joindre les attributs par valeur de champ » (Properties → Joins). Vérifiez que tous les codes communaux matchent — typiquement on perd 2 à 5 % des communes à cause d'orthographes divergentes (Sébikotane / Sebikotane, Tivaouane / Tivaouna). À harmoniser à la main, c'est rapide et c'est ce qui sépare un travail solide d'un travail bâclé.

Deuxième étape — agréger les structures de santé par commune. Outil : « Compter les points dans un polygone » (Vector → Analysis Tools → Count Points in Polygon). On obtient un attribut `nb_structures` par commune. Un sanity check : aucune commune avec une population > 5 000 ne devrait avoir 0 structure. Si c'est le cas, c'est probablement un trou OSM, pas un vrai zéro.

Troisième étape — calculer le ratio. On crée un champ virtuel ou un nouveau champ persistant via le Field Calculator :

CASE
  WHEN "population" > 0
  THEN ("nb_structures" * 10000.0) / "population"
  ELSE NULL
END

On a donc maintenant un champ `ratio_10k` qui exprime le nombre de structures pour 10 000 habitants. Ce n'est pas exactement le ratio OMS (qui mesure le personnel, pas les structures), mais c'est une proxy raisonnable quand les effectifs ne sont pas disponibles à la commune. À documenter explicitement.

Le calcul de distance

Pour la distance au centre de santé le plus proche, on a deux options : la distance euclidienne (à vol d'oiseau) ou la distance réseau (le long des routes). La première est rapide et grossièrement valable en plaine. La seconde est plus juste, surtout dans les zones où les rivières et les forêts contraignent les déplacements.

Pour la distance euclidienne, l'outil QGIS « Joindre les attributs par localisation (résumé) » avec une jointure « plus proche voisin » suffit. Pour la distance réseau, il faut passer par le plugin QNEAT3 (Network Analysis Toolbox) et un pré-traitement du graphe routier OSM.

Pour cet article on reste sur l'euclidien — c'est le bon compromis pour un premier diagnostic. Si vous travaillez sur un appel d'offres ou un mémoire, faites les deux et comparez : la différence est instructive et fait la qualité d'un rapport sérieux.

La carte finale

Trois critères, trois symbologies à composer. La piste qui marche le mieux pour la lecture est de partir d'un fond gris neutre et de surligner uniquement les communes en désert médical (en bordeaux, justement). Les communes qui ne satisfont qu'un critère restent dans une teinte intermédiaire (sable). Celles qui sont au-dessus de tous les seuils restent en gris clair, presque transparentes.

Évitez le piège du gradient continu (palette du vert au rouge) — il donne une impression de précision que vos données ne supportent pas. Trois classes franches, c'est plus honnête et plus lisible. La carte parle, ce n'est pas un tableau de bord.

Limites et précautions

Ce qu'on mesure ici, c'est l'accès théorique aux structures, pas l'accès réel aux soins. Une carte propre ne dira jamais si un médecin est présent un jeudi après-midi, si la pharmacie est en rupture, ou si la maternité a un bloc fonctionnel. Elle pose une question, elle n'y répond pas. C'est le rôle des entretiens terrain et des enquêtes ménages — pas du SIG seul.

Autre limite : la population recensée date de 2023. Au moment où vous lisez ces lignes, l'urbanisation accélérée a déjà déplacé des dizaines de milliers de personnes. Toute carte produite sur cette base devrait porter un avertissement « Population : recensement 2023, projetée si nécessaire ».

Aller plus loin

Cette méthode se transpose à n'importe quel territoire pour lequel on dispose des trois ingrédients : limites administratives, population par unité, localisation des structures. Avec OpenStreetMap, ces ingrédients existent presque partout — la qualité varie, c'est tout.

Le module Gojambar « SIG appliqué à l'aménagement urbain » couvre cette démarche en détail, avec un projet d'évaluation portant sur la commune de votre choix. Si la santé publique vous intéresse comme champ d'application du SIG, c'est l'entrée la plus directe.