Categories

Archives

Archives de la catégorie : 'General'

C’est pas du Pont

Je suis heureux de voir la publication de « Dupont n’est pas du Pont. Sociographie de la noblesse d’apparence », un article sur les noms à particule, dans la revue Histoire & Mesure. Les lectrices de ce blog connaissent mon intérêt pour l’onomastique, et notamment pour les noms à particule, que portent Vicomtes, Duchesses, Princes… mais aussi des personnes qui n’ont rien de la noblesse d’Ancien régime.

L’article est disponible sur cairn.info et des documents annexes sont accessibles ici.

C’est que, la particule, ça vous change un homme. Sur ces affiches, Dany Vicomte Daniel de Boon joue sur deux clichés, à gauche celui du ch’ti sympa mais pas futé, à droite celui du nobliau hautain et méprisant, “de Boon des Hauts de France” (qui semble imiter le duc de Wellington). Voilà qui demandait une investigation sociologique…

Trève de blague… L’article est essentiellement composé de deux parties. L’une qui explore la diminution de la part des gens à particule dans divers secteurs des élites françaises (écoles supérieures, magistrature, assemblées élues, hiérarchie cléricale catholique…), une diminution qui commence en 1789 mais qui n’est pas achevée aujourd’hui. S’il y a régression vers la moyenne, le rythme de la régression est lent.
La seconde partie explore la place contemporaine des hommes et femmes à particule à partir de sources nominatives diverses, ce qui permet de mettre en lumière des différences résidentielles (qui s’expliquent par l’inertie immobilière), des différences professionnelles et des différences politiques.

Économies d’échelles : couples et professions

Vivre à deux est économique : il est possible d’économiser sur le logement par exemple (une chambre pour deux), ou sur la voiture (une pour deux). Il est aussi possible d’accumuler des ressources : ce n’est pas la même chose d’être en couple avec un.e conjointe « inactif.ve » (c’est à dire quelqu’un qui n’est ni en emploi, ni au chômage) ou en emploi.
Or tout le monde n’est pas en couple, ni en couple avec un.e conjoint.e en emploi. On peut le constater en explorant le Fichier détail du recensement 2016.

Le graphique suivant se concentre sur les hommes et les professions ayant les plus gros effectifs masculins.

Tout en haut, les hommes ayant déclaré être serveurs. Environ 60% d’entre eux ont déclaré ne pas être en couple cohabitant (voir la définition). Par comparaison, ce n’est le cas que de 25% environ des professeurs du secondaire. 15% environ des ouvriers non qualifiés du gros oeuvre du bâtiment, des maçons qualifiés (ouvriers), des artisans maçons ou des nettoyeurs ont des conjointes « inactives » (moins de 5% pour les professeurs du secondaire, les agents de police, ou éducateurs sportifs). Plus de 15% des cadres commerciaux des PME, des cadres des services administratifs des PME, des artisans maçons et des artisans peintres en bâtiment ont des conjointes qui exercent à temps partiel.
 

cliquez pour agrandir

Penchons-nous maintenant sur des professions aux effectifs masculins un peu moins nombreux. Ce que l’on voyait déjà sur le graphique précédent (des employés et des ouvriers plus souvent célibataires ou avec des conjointes inactives, au chômage ou à temps partiel) se répète sur celui-ci. Les professeurs des écoles, comparés aux ouvriers non qualifiés de type artisanal, sont moins souvent célibataires, et très peu d’entre eux ont une conjointe inactive.


cliquez pour agrandir

Et au milieu… les médecins libéraux généralistes. Plus de 15% d’entre eux ont une conjointe « inactive », 20% une conjointe qui exerce un emploi à temps partiel. Peu d’entre eux déclarent ne pas être en couple.

Si l’on place en abcisses la proportion d’hommes “célibataires” (c’est à dire pas en couple selon la définition de l’insee) et en ordonnées la proportion de conjointes inactives, au chômage ou à temps partiel (uniquement pour les hommes en couple), voici le graphique qui apparaît :


cliquez pour agrandir

En rose, et dans le quadrant nord-est, les ouvriers. Les employés sont plutôt au sud-est : une fréquence importante de célibataires, mais leurs conjointes sont moins souvent “inactives, à temps partiel ou au chômage”. Les artisans sont dans le quadrant ouest/nord-ouest : peu de célibataires, mais une proportion assez élevé de conjointes sans emploi ou à temps partiel. En vert, les cadres : souvent en couple, et en couple avec une conjointe qui n’est pas inactive, au chômage ou à temps partiel. Les médecins généralistes ressemblent, sur ce point, à des “artisans, commerçants, chefs d’entreprise”.

Au final, donc, des situations très différentes suivant les professions individuelles, ce qui inciterait à concevoir — encore plus qu’on ne le fait habituellement — la position sociale à l’échelle du ménage (voir par exemple cet article récent). Ou alors à garder en tête que derrière un médecin, il y a souvent une conjointe, et une conjointe avec du temps, que derrière un ouvrier non qualifié, il n’y a souvent pas de conjointe (du moins, plutôt, pas de conjointe avec qui l’ouvrier cohabite, ce qui est différent), et que derrière un professeur (des écoles ou du secondaire), il y a souvent une conjointe en emploi. Et donc des possibilités d’économie, ou d’épargne, bien différentes.
Une partie de ces différences est due à la distribution par âge de ces professions : les serveurs sont plutôt jeunes. Une autre au poids des immigrés : s’ils habitent en France au moment du recensement mais que leur conjointe est au Portugal ou en Pologne, sont-ils considérés comme vivant en couple ?

[Note : j’ai considéré que les “étudiantes” n’étaient pas “inactives”, ni au chômage, ni à temps partiel. Les positions changeraient un peu si j’avais inclus les étudiantes dans la catégorie inactive, au chômage ou à temps partiel.]

Une lente décroissance

Le graphique suivant est une manière de représenter la première vague de décès de la covid19.

Certains pays ont atteint et dépassé un pic de décès. Mais il semble bien que la décroissance soit plus lente que l’augmentation. On peut le voir pout l’Italie, l’Espagne, la France… La courbe n’est pas symétrique.

Cela se voit moins quand on trace tous les pays sur le même graphique.

Je me suis donc amusé à centrer et réduire les vagues. C’est à dire à les aligner sur un maximum de 1 (la courbe atteint la valeur 1 le jour du maximum de décès) :

Et à caler toutes les courbes sur le jour du maximum, pour les synchroniser :

Si on trace ensuite la courbe moyenne, on peut remarquer qu’en effet (quand on considère que chaque pays a le même poids), la décroissance est plus lente que la croissance :

Et en vidéo, ça donne ceci :

2020 : une mortalité spécifique

Dans le cadre de l’épidémie de covid19, l’INSEE a décidé de publier, chaque semaine, le nombre de décès quotidien des semaines précédentes, avec une partie des informations que l’on trouve dans le Fichier des personnes décédées, récemment déposé sur data.gouv.
Ces informations, publiées quasiment en « temps réel », permettent de visualiser la hausse de la mortalité en mars-avril 2020 par rapport aux années précédentes.
Le graphique suivant représente le nombre de décès quotidiens de 2001 à 2019 (en grisé) et le nombre de décès en 2020 (en rouge). En règle générale, le nombre de décès est élevé l’hiver, diminue régulièrement jusque vers juillet-août, pour ré-augmenter à l’automne. Les décès causés par la vague de chaleur de 2003 sont particulièrement visibles : pendant trois semaines, les décès avaient été bien plus nombreux que la moyenne, et pendant une dizaine de jours supérieurs au maximum des années 2001-2019.
Comme on peut le constater aussi, l’année 2020 avait commencé comme une année on ne peut plus normale : les décès quotidiens se trouvaient très proches de la moyenne.


cliquez pour agrandir

Ce graphique permet déjà de se faire une idée de l’importance de la pandémie : à partir de début mars 2020 et pendant un mois, la courbe de l’année (en rouge) s’écarte de la moyenne. À partir de début avril, un peu plus de deux semaines après le début du Confinement, le nombre de décès commence à diminuer. On constate la rapidité et la brutalité de l’augmentation au regard des autres épisodes épidémiques. Car on peut aussi mettre en lumière des épisodes de grippe particulièrement meurtriers au cours des années récentes, comme en 2015, 2017 et 2018, quand la courbe des décès quotidiens s’écarte, pendant plusieurs semaines, de la courbe moyenne. [Même s’il faudrait tenir compte de l’augmentation de la population française : il y a bien plus de résidents en 2018 (65 millions) qu’en 2001 (60 millions).] Tous ces décès “en plus” n’ont pas pour origine des grippes, mais, comme l’illustre Arthur Charpentier, ces données permettent d’estimer la surmortalité.


cliquez pour agrandir

On peut aller un peu plus loin, au risque de rendre le graphique moins clair. Tout d’abord on peut prendre en considération la sous-estimation du nombre de décès, dans les chiffres publiés par l’INSEE en « temps réel » : les chiffre publiés en “semaine 1” sont révisés à la hausse en “semaine 2”, et encore en “semaine 3”. Dans le graphique, il est donc très probable que le nombre de décès entre les 7 et 14 avril 2020, publié aujourd’hui, soit revu à la hausse la semaine prochaine : je vais m’appuyer sur les révisions passées pour estimer un nombre définitif. Dans le graphique suivant donc, le nombre de décès estimé — toutes causes de décès confondues — est en rouge pointillé.
On dispose aussi des décès suite à la covid19 recensés par les hôpitaux et les établissements d’hébergement pour personnes âgées dépendantes (Ehpad) : le nombre de ces décès est publié chaque jour, et on peut les récupérer sur le site de l’European Centre for Disease Prevention and Control, ce qui peut nous indiquer la tendance entre le 15 et le 24 avril 2020. Ces données (lissées par une moyenne mobile hebdomadaire) sont représentées en vert sur le graphique suivant. On constate un décalage : les chiffres hospitaliers sont publiés rapidement, ceux des Ehpad plus lentement, avec plusieurs jours de décalage.


cliquez pour agrandir

Au final, il y a eu, en mars et jusqu’au 24 avril 2020, plus de 29 300 décès en plus de la moyenne (mais comme c’est une moyenne bi-décennale, elle prend en compte des populations moins nombreuses).

L’évolution de l’abstention à Paris, 2014-2020

Le premier tour des élections municipales s’est déroulé dans un contexte de pandémie, qui n’a pas incité à la participation électorale. Le taux d’abstention en 2020 est donc beaucoup plus élevé que le taux d’abstention observé en 2014, comme les deux cartes suivantes permettent de le voir :



cliquez pour agrandir

En prenant la même discrétisation (le même découpage de couleurs) on remarque que l’abstention augmente de manière globale : tout se décale vers le rouge et les zones participationnistes, bleu-foncées, disparaissent. La géographie générale n’est pas bouleversée : ce sont bien dans les quartiers d’habitat populaire, à Paris, que l’abstention reste la plus élevée, en 2014 comme en 2020. Mais la hausse de l’abstention n’est quand même pas semblable partout.

La carte suivante montre le différentiel entre 2014 et 2020 : plus la couleur est sombre, plus la hause de l’abstention a été forte. J’ai été confronté à un petit problème : les frontières des bureaux de vote ont changé entre 2014 et 2020. Certains bureaux ont été scindés en plusieurs bureaux (une trentaine), d’autres ont vu leurs bordure se décaler d’une rue ici, d’un pâté de maison là. J’ai préféré donc passer à un carroyage. J’ai découpé Paris en 2800 petites zones et j’ai affecté à ces zones une moyenne interpolée de l’abstention en 2014, de l’abstention en 2020 puis j’ai calculé la différence.

C’est surtout dans le sud de Paris (bas du 16e, 15e, 14e, 13e, 5e et 12e) que la hausse de l’abstention a été élevée.

Mais est-il possible de savoir un peu plus précisément qui s’est abstenu ? Peut-être les plus âgés, particulièrement soumis à un risque de développer les formes graves de Covid19. Je vais m’appuyer sur la composition par âge des bureaux de vote pour explorer la relation entre classes d’âge et abstention.

Les graphiques suivants comparent les bureaux de vote de 2014 et ceux de 2020 (sans essayer de s’assurer de la correspondance des frontières, avec tous les problèmes que cela pose donc). On peut voir que dans les bureaux de votes où la proportion de plus de 53 ans est élevée (les deux derniers panels), alors la hausse de l’abstention est, en tendance, plus élevée que dans les bureaux où ces plus de 53 ans sont en proportion plus faible. Mais il s’agit de corrélation écologique : on ne peut pas savoir si ce sont les personnes âgées des bureaux où il y a relativement plus de personnes âgées qui se sont abstenues, ou si ce sont les plus jeunes des bureaux “âgés” qui se sont abstenus… et les différences sont faibles.

Mourir, une activité comme une autre ?

Mourir, ça semble être une activité sociale comme une autre. Avec les petits problèmes posés par les difficultés à interroger les personnes ayant accompli cette activité.
On ne meurt donc pas tout à fait au même moment suivant l’âge et la période :


cliquez pour agrandir

Alors certes, sur le graphique précédent, les demi-savants vont me dire “l’axe des ordonnées ne commence pas à zéro”, et cette visualisation laisse croire à des écarts plus importants qu’en réalité. Mais certaines tendances sont intéressantes : mis à part entre 10 et 39 ans, on meurt moins le week-end qu’en semaine, parce qu’on meurt aujourd’hui “à l’heure de l’hôpital”. On meurt le week-end quand on meurt d’un accident de voiture, mais les politiques visant à réduire l’alcoolisme au volant semblent, depuis les années 1970, avoir une certaine efficacité… au sens où la distribution s’égalise dans la semaine.

Si, au lieu de s’intéresser à la base des décès, on s’intéresse à la base des accidents de la circulation (qui recense les personnes décédées mais aussi les personnes blessées ou non), on peut aussi distinguer des variations suivant l’heure de l’accident.


cliquez pour agrandir

L’âge moyen des personnes accidentées varie de 30 ans vers 3 heures du matin (les vieux dorment, à cette heure là) à 46 ans vers 10 heures du matin (les jeunes sont occupés, à l’école ou au travail). Et si l’on distinguait par jour de la semaine, on verrait que l’âge moyen passe nettement sous les 30 ans dans la nuit du vendredi au samedi, et du samedi au dimanche.

Sources : Fichier des personnes décédées (sur data.gouv.fr) et Base de données accidents corporels de la circulation (aussi sur data.gouv.fr). Code R sur Github

Les dessous d’une carte

Qu’ai-je du faire pour tracer cette carte, que l’on trouve dans le billet écrit avec Lucie Bargel et intitulé « À la campagne, la victoire est en ville », sur le blog Terrains de campagne

D’abord, que représente-t-elle ? Les zones où il y a plus d’inscrit.e.s sur les listes électorales que de résident.e.s français.es majeur.e.s.

Il faut d’abord récupérer les résultats électoraux à l’échelle des communes. Par exemple, les résultats de la présidentielle de 2012. Ces listes indiquent, pour chaque commune, combien il y a d’inscrits sur les listes, ce qui est essentiel pour pouvoir calculer, par exemple, un taux d’abstention.
Il faut ensuite récupérer les Fichiers détails du recensement 2012 (fichier « individus localisés au canton-ou-ville »), car ces fichiers permettent de sélectionner les Français majeurs (les individus recensés, de nationalité française, et âgés de 18 ans ou plus en 2012). Les résultats du recensement agrégés à l’échelle des communes, que l’on trouve facilement sans avoir de calcul à faire n’indiquent pas si les personnes majeures sont de nationalité française.
Et on rapproche les deux bases : Inscrits et Résidents.
Mais : la géographie du recensement de l’année N est celle de l’année N+2. Par exemple, si la commune de Triffoulli a été fusionnée avec la commune des Oies en 2012 ou 2013, les résultats du recensement sont diffusés pour la nouvelle commune de Triffoulli – Les Oies.
Il faut donc faire passer la base Inscrits de la géographie 2012 à la géographie 2014.
De plus, les résultats du recensement sont diffusés non pas toujours à l’échelle des communes, mais à celle du “Canton-ou-Ville” (à la géographie N+2). Il faut donc associer à chaque commune du fichier des Inscrits le Canton-ou-Ville dans lequel elle se trouve.
Et là, on peut faire la jointure des deux bases et calculer un ratio Inscrits/Résidents-français-majeurs.

Et ça ne suffit pas : il faut aussi transformer le fonds de carte “Geofla communes” (2014) en fusionnant les polygones des communes qui appartiennent aux mêmes “cantons-ou-villes”. Maintenant, on peut associer le ratio calculé précédemment à la carte.

La carte que l’on ferait pour l’année 2012 révèlerait une géographie intéressante. La sur-inscription est fréquente dans les petites villes de plateau et de montagne, et dans une série de villages du littoral. Mais… les enquêtes annuelles de recensement ont lieu tous les cinq ans, avec une méthode particulière pour les petites villes. Est-ce que la carte ne serait pas une illusion ?
C’est pour cela que j’ai souhaité m’assurer de la stabilité de cette géographie sur plusieurs années, plusieurs recensements, des élections différentes. La distribution géographique est stable. Il reste à l’analyser.

Pour aller plus loin : « À la campagne, la victoire est en ville », sur le blog Terrains de campagne

Le bingo de l’AFS (édition 2019)

Vous ne voulez pas vous ennuyer pendant une communication sur les assistantes-sociales nancéennes parachutistes et unijambistes (Nadia, 24 ans) filles de cadres ? Alors il y a le bingo de l’AFS.

Alors voilà, j’ai commencé le parachutisme après ma rupture. La rupture du tendon dont je t’ai parlé, pas la rupture avec Tom, ça c’était avant. Je pense que c’est en partie parce que mon grand-père était parachutiste, mais dans l’armée. Il a aussi perdu un pied, et son boulot après ça, mais ça l’a pas empêché. (Nadia, 24 ans)

Comme le souligne Nadia avec ses mots, son habitus familial (Bourdieu 1980 ; Lahire 2000 ; Passeron et Bourdieu 1964) a poussé sa socialisation (Darmon 2000) vers les activités physiques, comme un moyen de lutter contre le déclassement (Peugny 2008, Peugny 2009, Peugny 2010, Peugny 2011, Peugny 2012 et… Peugny 2018) .


Cliquez : c’est en PDF !

Communautés de prénoms

Le monde social est complexe, mais pour le penser, il faut d’abord le simplifier. D’où la production de catégories, catégories savante ou du sens commun. C’est ainsi qu’on parlera de « prénoms arabes », de « prénoms juifs », de « prénoms turcs », de « prénoms aristocratiques »… en mélangeant aléatoirement et allègrement des ethnies, des positions sociales, des religions, ou des origines nationales et linguistiques. Faire cela, c’est ne pas rendre justice à la complexité du monde social ni à celle des classements quotidiens. Car ce qui est « arabe » pour certains est « méditerranéen » pour d’autres, par exemple, ce qui est « aristo » pour les uns est juste « moche et ringard » pour d’autres.
On peut cependant essayer de repérer des proximités et des distances entre prénoms, à partir des choix effectifs des parents. Notamment quand les parents ont plusieurs enfants. Si l’aîné est Augustin, la cadette sera-t-elle Clotilde ou Carla ? À partir des listes électorales parisiennes, j’ai constitué des « fratries » (à partir de l’année de naissance, du nom de naissance et de l’adresse d’inscription) : ce ne sont pas des fratries complètes (il n’y a que les personnes inscrites à Paris) et je capte sans doute de fausses fratries. Mais on fait avec ce qu’on a.
Le graphique suivant rapproche entre eux des prénoms qui sont assez souvent donnés au sein d’une même fratrie : à Paris, le frère d’Augustin c’est Timothée.


cliquez pour agrandir l’image

cliquez

Les couleurs ont été déterminées par un algorithme de recherche de communautés, mais elles sur-interprètent les différences : il n’y a pas des archipels de prénoms, mais un grand continuum le long duquel l’on passe, insensiblement, de Philippine à Abdoulaye.

Certains “clusters” font sens. Ainsi, en bas à droite, on trouve un groupe de prénoms qui ont été donnés “en retard”. Le corpus utilisé contient des individus qui sont au plus âgés de 28 ans et au plus tôt nés en 1986. Les Delphine, Thierry, Stéphanie… nées après 1986 ont reçu ces prénoms alors qu’ils étaient déjà sur le déclin. Qu’ils apparaissent ici ensemble est le signe que les parents aiment ces “prénoms démodés” ensemble. Dans les années 1990, si l’ainée est Célia, la cadette ne sera pas Virginie.

Tout en bas du graphique, deux “clusters” : l’un comportant une série de prénoms bourgeois (Augustin, Domitille), l’autre comportant des prénoms moins bourgeois (Quentin, Romain, Marion), des prénoms à la mode dans les années 1990… et ces prénoms sont reliés à des prénoms exotiques, néo-bretons ou pseudo-polynésiens (Nolwenn et Maéva). En combinant Thibaut et Thibault, Gautier et Gauthier, prénoms proches mais un peu différents, j’ai probablement contribué à la création de liens qui n’en sont pas.

Au centre du graphique, on trouve des prénoms à la mode entre 1990 et 2000 :

Cela explique leur caractère central : ce sont les prénoms du cœur de mon corpus de fratrie, et ils ont tendance à être fortement reliés entre eux. J’y verrai une petite différence, probablement : le groupe bleu/vert des Charlotte-Pauline-Paul né enter 1990 et 2000 est sans doute d’une origine sociale un peu plus élevée que le groupe des Alexandre-Nicolas-Audrey.

Au centre-gauche, un autre cluster de prénoms bourgeois (on est à Paris, il y en a beaucoup, mais il me faudrait un vocabulaire plus fin).

Oscar, Virgile et Hippolyte, Gabrielle et Héloïse. Mais Ophélie ? N’y a-t-il que moi qui aurait mis “Ophélie” ailleurs ?

Et en haut du graphique, trois clusters de prénoms.

Tout en haut, De Abdoulaye à Ibrahim, des prénoms d’Afrique sub-saharienne : le frère de Fatoumata est Moussa. En vert, des prénoms maghrébins, Mohamed formant un grand “hub”. Des prénoms plutôt en voie d’abandon (Walid, Ali, Ahmed), ou donnés en début de période (1986-1990). En rose le cluster le plus complexe, puisqu’on y trouve Isaure et Sofiane, Nathan et Aymeric. Comment est-ce possible ? Deux prénoms en sont responsables. Sarah, qui a comme frère Mohamed et David. Et Inès, qui a comme frère Yanis et comme sœur Alix. Deux prénoms assez fréquemment donnés dans les années 1990, et par des parents différents. Si Sarah avait été un garçon, certains parents aurait choisi Sofiane, d’autres parents Nathan. Si Inès avait été un garçon, c’aurait pu être Samy (ou Axel). Un même prénom, des mondes différents.

Si j’avais à poursuivre l’exploration, je pourrai projeter « l’arrondissement moyen » des prénoms de chaque cluster : 19e pour les uns, 6e pour les autres… Mais cela conduirait encore à différencier les prénoms, alors que, comme on peut le voir ici, c’est sans solution de continuité que l’on passe de l’un à l’autre.

Notes : Pour simplifier le graphique, je n’ai retenu que les liens les plus fréquents entre prénoms. Dans le monde réel, il y a des Augustins qui ont comme sœur Célia. Mais cela n’arrive pas souvent. Le but de cette simplification était de montrer l’enchaînement des choix, sans proposer une grosse boule de laine emmêlée où tout aurait été relié avec tout.

Le prénom et la mention, édition 2019

Parce que la réussite scolaire et le choix des prénoms dépendent, en tendance, de l’origine sociale… les Éléonore et les Ryan n’ont pas obtenu la mention “Très bien” dans les mêmes proportions. Alors certes, il y a des Ryan avec mention Très bien et des Éléonore qui doivent passer l’oral de rattrapage, mais il y a beaucoup plus d’Éléonore avec mention que de Ryan avec mention.
 


cliquez pour agrandir

cliquez pour agrandir

 

Le prénom en lui-même ne joue pas : les copies sont anonymes. Mais cette année, les résultats sont provisoires, car une partie des correcteurs étaient en grève. À ce que j’ai compris, certains jurys ont attribué des notes, parfois sur la base du contrôle continu. Alors là, oui, le prénom était connu. A-t-il pu jouer un rôle ? Il faudrait avoir une idée précise du nombre de notes qui ont du être attribuées “hors procédure habituelle”.
Globalement, ces résultats temporaires ressemblent très fortement à ceux des années précédentes. Je n’ai presque pas à changer ce que j’écrivais l’année dernière : « Entre l’année dernière et cette année, tous les candidats ou presque ont changé. Mais si les personnes ont changé, ce n’est pas le cas de leurs prénoms. Prenons les Juliette. Les Juliette qui ont passé le bac en 2019 ne sont pas celles qui ont passé le bac en 2018. Et même plus : les Juliette de 2018 n’ont pas les mêmes parents que les Juliette de 2019. Et pourtant leur nombre est presque le même (2100), et leur taux d’accès à la mention Très bien est identique (20%). En tant qu’individu, elles sont toutes différentes. En tant que groupe (du simple fait de partager un prénom) elles sont semblables. Les Juliette de 2019, comme celles de 2018, sont, en tant que groupe, et au regard du taux d’accès à la mention Très bien, identiques aux Juliette de 2017. »

Pour les années précédentes, voir l’édition 2018, 2017, ou en 2016 ou encore en 20152014,2013, 2012 ou 2011. Vous pouvez aussi lire Sociologie des prénoms (édition La Découverte) [sur amazon, dans une librairie indépendante].