Typologie des services d’eau et d’assainissement en France · G. Canneva Les déterminants du prix des services d’eau et d’assainissement Laboratoire GEA 3 1 Présentation

Laboratoire Gestion de l’Eau et de l’AssainissementAgroParisTech – ENGREF648, rue Jean-François Breton - BP 44449434093 MONTPELLIER cedex 5 1 / 35

Typologie des services d’eau etd’assainissement en France

Guillem CANNEVA

~ ~ ~Février 2009

G. Canneva Les déterminants du prix des services d’eau et d’assainissementLaboratoire GEA

2

Plan du rapport

1 Présentation des données disponibles ______________________________________________ 3

1.1 Services d’eau potable _____________________________________________________________ 31.1.1 Description des données _________________________________________________________________31.1.2 Analyse des valeurs aberrantes ____________________________________________________________61.1.3 Quelques recommandations_______________________________________________________________7

1.2 Services d’assainissement collectif ___________________________________________________ 81.2.1 Description des données _________________________________________________________________81.2.2 Analyse des valeurs aberrantes ___________________________________________________________101.2.3 Conclusion et recommandations __________________________________________________________11

1.3 Comparaison avec les données nationales disponibles (pour l’eau potable) _________________ 11

2 Principes de la méthode d’élaboration de la typologie ________________________________ 14

2.1 Rappel des objectifs généraux et des présupposés______________________________________ 14

2.2 Une typologie fondée sur les contraintes externes, s’imposant aux services _________________ 14

2.3 Le choix des données prises en compte dans la typologie ________________________________ 15

2.4 Le choix de la méthode de construction de la typologie _________________________________ 16

3 Typologie pour les services d’eau potable __________________________________________ 17

3.1 Méthode________________________________________________________________________ 17

3.2 Résultat de l’ACP ________________________________________________________________ 17

3.3 Répartition en classes_____________________________________________________________ 18

3.4 Exemple d’utilisation de la typologie ________________________________________________ 213.4.1 Rendements et indices linéaires de perte ____________________________________________________213.4.2 Prix du service ________________________________________________________________________223.4.3 Exemples de classification de services _____________________________________________________233.4.4 Point particulier sur les services touristiques_________________________________________________24

3.5 Contraintes sur la ressource en eau _________________________________________________ 24

4 Typologie pour les services d’assainissement collectifs _______________________________ 25

4.1 Méthode________________________________________________________________________ 25

4.2 Résultat de l’ACP ________________________________________________________________ 25

4.3 Répartition en classes_____________________________________________________________ 27

4.4 Exemple d’utilisation de la typologie ________________________________________________ 30

4.5 Les limites de la typologie des services d’assainissement collectif _________________________ 30

5 Conclusion __________________________________________________________________ 30

6 Bibliographie_________________________________________________________________ 32

Annexes

A - Répartition des services d’eau potable de l’échantillon dans la typologie proposée

B - Répartition des services d’assainissement collectif dans la typologie proposée


3

1 Présentation des données disponibles

Les données de la phase test ont été transmises en décembre 2008, sous la forme de fichiers individuels. Ellescorrespondaient à une partie des données (voir tableau) des rapports prix et qualité de services d’eau etd’assainissement en 2007, pour un certain nombre de collectivités qui avaient bien voulu les transmettre.

Nous nous sommes concentrés sur l’analyse des services d’eau potable et d’assainissement collectif.

Le travail d’analyse des données a consisté dans un premier temps à contrôler les données, c’est à dire vérifierleur cohérence, analyser les taux de remplissage, etc…

1.1 Services d’eau potable

1.1.1 Description des données

L’ONEMA a transmis les données validées de 213 services. Le tableau 1 rend compte du taux de collecte desdonnées, de statistiques descriptives et de remarques sur les valeurs aberrantes décelables à première vue.Certaines données n’étaient exigées que pour les services dotés d’une CCSPL1. Cependant, il est difficile desavoir si les collectivités sont assujetties à la mise en place d’une CCSPL. Nous en avons recensé 22 mais pasles éventuels cas de syndicats mixtes où une commune aurait plus de 10 000 habitants.

Indicateur etunité

Nombrerenseigné(taux de

remplissage)

min max Moyenne(médiane)

Nombre devaleurs

aberrantes

Remarque surles valeursaberrantes

Observation

P101.1 tauxdeconformitémicrobiologie(en %)

209 (98%) 90% 100%2 99%(100%)

24 Usage despourcentagespeut-être unesource d’erreur(la valeurattendue doit-elleêtre compriseentre 0 et 100 ouentre 0 et 1 ?)

P102.1 tauxdeconformitéphysico-chimique

209 (98%) 25% 100% 97%(100%)

24 Idem queprécédemment

P104.3rendement duréseau dedistribution

210 (99%) 44% 100% 78% (79%) 25 Idem queprécédemment

Pasbeaucoup desens poursyndicat deproduction

P105.3 indicelinéaire desvolumes noncomptés

198 (93%) 0 31.7 3.08 (1.7) 2 Les valeurségales à 0 sontsurprenantes


1 L’article 1413-1 du code général des collectivités territoriales précise que les CCSPL sont obligatoirement mises en placedans les communes de plus de 10000 habitants, dans les EPCI de plus de 50000 habitants et dans les syndicats mixtescomprenant une commune de plus de 10000 habitants.2 avec correction de ceux qui n’avaient pas pris en compte le pourcentage


4

Indicateur etunité


remplissage)


Nombre devaleurs

aberrantes


Observation

P106.3 indicelinéaire depertes enréseau

209 (98%) 0 25.1 3.15 (1.7) 1 La moyenne estsupérieure àcelle de P105.3car les servicesne sont pas lesmêmes


P108.3 indiced'avancementde laprotection dela ressource

190 (89%) 0% 100% 59% (60%) 17 Usage despourcentages

P153.2 duréed'extinctionde la dette(si CCSPL) enannée

34 (16%) 0 23 5.2 (3) 3 valeurssupérieuresà 15 ans

Au-delà de 15ans lacollectivité esttrès endettée(donc vérifierles données)

Les donnéessupérieuresà 15 anspeuvent êtrejustecependant

P155.1 tauxderéclamations(si CCSPL)(pour 1000ab)

30 (14%) 0.77 25 6.26 (3.32) Par analogie,possible desupposer unrisque deconfusion avecun pourcentage

D101.0estimation dunombred'habitantsdesservis

198 (93%) 85 4 078 500 59660(6170)

D102.0montant dela facture120 m3

(€/m3)

210 (99%) 0.1 3.82 1.8 (1.77) Attention aucas dessyndicats deproduction

Mode degestion duservice(production /transfert /distribution)

204 /192/ 209

Volumesprélevéseauxsouterraines(en 1000 m3)

199 (93%) 0 39 215 310(valeur

manifestementen m3)

244 000(348)

L’unité(1000 m3)induit deserreurs certainsindicateursétant exprimésselon toutevraisemblanceen m3

Utilisationdu ratiovolume totalprélevé parnbd’abonnés


5

Indicateur etunité


remplissage)


Nombre devaleurs

aberrantes


Observation

Volumesprélevéseaux desurface (en1000 m3)

182 (85%) 0 317 200 000(valeur

manifestementen m3)

17 491 000(0)

Idem L’absencede valeurpeutsignifier 0ou nonconnu. Il estdifficile deleverl’ambiguïté.

Volumesachetés àd'autresservices (en1000 m3)

199 (93%) 0 2 152 230 15 050 (3.9) Idem idem

Nombred'abonnements

212 (100%) 47 540 743 11 916(2852)

Volumesvendus auxabonnésdomestiques(en 1000 m3)

213 (100%) 0 28 689 752 169 179(381)

L’unité(1000 m3)induit deserreurs certainsindicateursétant exprimésselon toutevraisemblanceen m3

idem

Volumesvendus auxautresabonnés (en1000 m3)

182 (85%) 0 316 150 7 218 (0.8) Idem idem

Volumesvendus àd'autresservices (en1000 m3)

201 (94%) 0 1 235 350 8 206 (4.4) Idem idem

Volumesproduits (en1000 m3)

209 (98%) 0 2 489 235 53 318(481)

Idem idem

Linéaire deréseaux dedesserte(km)

212 (100%) 1 8767 382 (168)

Montant desrecettes liéesà lafacturation

208 (98%) 138 49 400 0000 5 933 910(450 800)

Certaines valeurssontmanifestementsous estimées.

Montantfinancier destravauxengagés

168 (79%) 0 134 500 000 2 387 200(156 360)

Encours de ladette (siCCSPL)

69 (32%) 0 151 700 000 4 426 145(299 170)


6

Indicateur etunité


remplissage)


Nombre devaleurs

aberrantes


Observation

Epargnesbrutesannuelles (siCCSPL)

20 (9%) -2132068

161 700 000 10 284 437(2 100 000)

Une valeurnégative

Les valeursnégatives sontsurprenantes etindiqueraientun déficit

Chiffred'affaire TTC(hors travaux)(si CCSPL)

19 (9%) 0 496 000 000 56 984 253(3 875 000)

Manifestementdes erreurs surles unités

Tableau 1 : Description des données collectées sur les services d’eau potable (213 services)NB : les valeurs maximales pour les volumes sont des erreurs d’unité.

Le remplissage des données est globalement bon. Il oscille en général entre 89% et 99% pour les indicateursde performance que tous les services doivent remplir. Ceux qui semblent le plus souvent soulever de difficultéssont P108.3 (indice d’avancement de la protection de la ressource) et P105.3 (indice linéaire des volumes noncomptés). Il faut cependant noter que le test n’incluait pas certains indicateurs que les collectivités devrontrenseigner pour l’année 2008.Certains indicateurs de performance du test ne sont obligatoires que dans le cas de CCSPL (P153.2 et P155.1).D’après les informations disponibles, 22 collectivités du test devaient avoir une CCSPL. Cependant certains deces indicateurs ont été remplis pour des collectivités pour lesquelles c’était facultatif ; notons que la mise enplace d’une CCSPL est envisageable pour les EPCI dont la population est comprise entre 20 000 et 50 000habitants mais que nous ne disposions pas de l’information dans les données transmises. Le taux deremplissage estimé pour ces deux indicateurs de performance (pour les collectivités assujetties) estrespectivement de 91% et 55%, signe d’une mesure du taux de réclamation pas encore généralisée.Pour les données de contexte, les taux de remplissage sont plus hétérogènes ; ils oscillent entre 79% et 100%pour ceux qui concernaient l’ensemble des services et entre 68% et 86% pour ceux qui ne concernaient que lesservices ayant une CCSPL.

1.1.2 Analyse des valeurs aberrantes

L’analyse des données montre qu’il existe un certain nombre de valeurs aberrantes par catégories.Elles sont de deux natures : les valeurs hors norme et les valeurs incohérentes entre elles.Les valeurs hors normes sont liées à des erreurs de saisie (liées à des conventions). Par exemples certainsindicateurs sont saisis sous la forme de pourcentage dans certains cas (et leur valeur est alors comprise entre 0et 13) et sous la forme de donnée entre 0 et 100 dans d’autres cas. Les erreurs sont alors facilementidentifiables et corrigibles.Dans certains cas, les erreurs ne sont pas décelables individuellement mais l’ensemble des données d’un servicesont incohérentes entre elles. Dans ce cas, il est utile d’utiliser des ratios et de vérifier qu’ils ont des valeurs quine semblent pas hors normes.Nous avons utilisé les ratios suivants dans notre analyse de données :- La consommation domestique par abonné- Le rendement brut recalculé à partir des volumes- Le ratio de production d’eau : volume produit sur volume prélevé (eau souterraine et eau de surface)- La comparaison des volumes de perte calculés selon 2 méthodes (par le rendement et par l’ILP)- La durée d’extinction de la dette recalculée à partir des données financières brutes

Le tableau suivant décrit les résultats de cette analyse.

3 Selon les traitements sous Excel


7

Ratio utiliséLimite de

signalisation

Taux de cas devaleurs

aberrantes

Causesenvisagées de

valeur aberranteObservation

Consommationdomestique annuellepar abonné (en m3

par abonné)

500 m3 par abonné(hormis le cas deParis)

12% Erreur d’unité pourles volumesdomestiquesconsommés

On suppose que lesabonnés nondomestiques sontminoritaires

Rendement brut4 >=100 % ou <30% 7% Erreur d’unité pourles différentsvolumes utiliséspour le calcul durendement brut

Le ratio deproduction d’eau :volume produit /(volume prélevé ensurface et ensouterrain)

>=1 ou <0.8 11% Erreur d’unité pourles différentsvolumes utiliséspour le calcul duratioMauvaise définitiondu volume produit

Il se peut que desvaleurs aberrantes(inférieures à 0.8)soient justes (cas d’untrop-plein ou d’unrendement deproduction faible).

La comparaison desvolumes de pertescalculées selon 2méthodes

Différencesupérieure à 15%

22% Erreur d’unité pourles différentsvolumesErreurs dans lecalcul des IP

La durée d’extinctionde la detterecalculée

Différencesupérieure à deuxans

30% Erreur d’unité pourles valeursfinancières (k€ aulieu d’€)Erreur de calcul oude définition desindicateurs

Comparaison durendement de réseaude distribution et durendement brut

Différencesupérieure à 15%

12% Erreurs dans lesunités de volumeErreurs de définitionou de calcul del’indicateurCf. observation.

On suppose que lesvolumes autorisés noncomptabilisés et lesvolumes de servicesrestent marginaux.

Synthèse Nombre de cas oùau moins un desratio présente unevaleur aberrante

39%

Tableau 2 : Analyse des valeurs aberrantes pour les données des services d’eau potable

Le taux de service ayant au moins une valeur aberrante est donc assez élevé.L’analyse montre plusieurs types de valeurs aberrantes :- des erreurs sur les unités (calcul en milliers notamment)- des erreurs de définition des différentes notions de volumes- des erreurs dans les données financières- des données non cohérentes entre elles (sans qu’on puisse facilement en déterminer la raison)

1.1.3 Quelques recommandations

Cette analyse nous conduit à proposer les recommandations suivantes :- Utiliser des unités courantes (les m3 plutôt que les milliers de m3 par exemple) et spécifier clairement les

plages de valeurs attendues (notamment pour les indices exprimés en pourcentage).

4 Rendement brut = (volume vendu + volume vendu en gros) / (volume produit + volume acheté en gros)


8

- Proposer de compléter les volumes sur un schéma de définition des différentes notions utilisées- Rappeler les définitions des indices financiers (et notamment la durée d’extinction de la dette)- Mettre en place des vérifications automatiques de la cohérence des données. Ceci nécessite cependant de

disposer des données brutes ou des données de contexte pour pouvoir le faire, comme c’est le cas dans lesdonnées transmises par l’ONEMA. Ceci nécessite également de rappeler qu’une valeur aberrante peut êtrejuste et justifiée.

- Enfin, il nous semble important de traiter les services de production uniquement à part car certainsindicateurs s’y appliquent mal.

1.2 Services d’assainissement collectif

1.2.1 Description des données

L’ONEMA a transmis les données validées de 134 services. Le tableau 3 rend compte du taux de collecte desdonnées, de statistiques descriptives et de remarques sur les valeurs aberrantes décelables à première vue.Certaines données n’étaient exigées que pour les services dotés d’une CCSPL5. Cependant, il est difficile desavoir si les collectivités sont assujetties à la mise en place d’une CCSPL. Nous en avons recensé 18 mais pasles éventuels cas de syndicats mixtes où une commune aurait plus de 10 000 habitants.

Indicateur etunité

Nombrerenseigné


Nombre devaleurs

aberrantes

Remarquesur lesvaleurs

aberrantes

Observation

P201.1 taux dedesserte parles réseaux decollecte

40 (30%) 33% 100% 86% (98%) - 1 cas où lacollectivité adifférentié leszonesurbaines etles zonesrurales de sonterritoire

P206.3 tauxde bouesissues desouvragesévacuéesselon desfilièresconformes

107 (80%) 0% 100% 8 Usage despourcentagespeut-êtreune sourced’erreur (lavaleur est-ellecompriseentre 0 et100 ou entre0 et 1 ?)

La moyenneet lemaximumsont calculéshors valeursaberrantes.

P252.2nombre depoints duréseaunécessitantdesinterventions(si CCSPL)

20 (15%) 0 37 5.6 (0.03)

5 L’article 1413-1 du code général des collectivités territoriales précise que les CCSPL sont obligatoirement mises en placedans les communes de plus de 10000 habitants, dans les EPCI de plus de 50000 habitants et dans les syndicats mixtescomprenant une commune de plus de 10000 habitants.


9

Indicateur etunité

Nombrerenseigné


Nombre devaleurs

aberrantes


aberrantes

Observation

P256.2 duréed'extinctionde la dette(si CCSPL)

20 (15%) 0 30 7.47 (3.31) 4 valeurssupérieures à15 ans

Au-delà de15 ans lacollectivitéest trèsendettée(doncvérifier lesdonnées)

Confusionpossible avecla duréerestante desemprunts encours

P258.1 tauxderéclamations(si CCSPL)

25 (19%) 0 31 3.9 (1.86)

D201.0estimation dunombred'habitantsdesservis

104 (78%) 50 2 168 000 60576(3025)

D202.0nombred'autorisationsdedéversementd'effluents

89 (66%) 0 1 200 21.8 (0)

D203.0quantité deboues issuesdes STEP

115 (86%) 0 29 172 980 (34)

D204.0montant dela facture120 m3

133 (99%) 0.11 3.54 1.8 (1.73)

Mode degestion –collecte /transport /dépollution

131 /125 / 130

Nombred'abonnements

132 (99%) 39 306 359 9 289(1066)

Volumefacturé(1000 m3)

130 (97%) 2.055 993 631 37759 (226) Certainesvaleurs sontcomplétéessous formelittérale

Montant desrecettes liéesà lafacturation

130 (97%) 0 494 000 000 5 462 483(151 086)

1 valeur à 0surprenante

Certainesvaleurs sontcomplétéessous formelittérale


10

Indicateur etunité

Nombrerenseigné


Nombre devaleurs

aberrantes


aberrantes

Observation

Linéaire deréseaux decollecteunitaires(km)

121 (90%) 0 2 971 78 (0)

Linéaire deréseaux decollecteséparatifs(km)

126 (94%) 0 1 552 87 (17.5)

Montantfinancier destravauxengagés

99 (74%) 0 53 961 000 1 844 000(103 100)

Encours de ladette (siCCSPL)

45 (34%) 0 99 513 000 6 748 000(561 000)

Epargnesbrutesannuelles (siCCSPL)

15 (11%) 32 582 000 6 720 00(4 000 000)

Chiffred'affaire TTC(horstravaux) (siCCSPL)

17 (13%) 29 400 75 600 000 16 200 000(1 740 000)

Tableau 3 : Description des données collectées sur les services d’assainissement collectif(134 services)

Les taux de remplissage des indicateurs de performance pour les services d’assainissement collectifs sont assezhétérogènes. Ils varient en effet de 30% à 99% pour les indicateurs à remplir pour l’ensemble des services. Les indicateursqui semblent poser le plus de difficulté sont P201.1 (taux de desserte par les réseaux de collecte) qui a 30% de remplissageet D202.0 (Nombre d’autorisation de déversement d’effluents).Pour les indicateurs à ne fournir que par les 18 services devant disposer d’une CCSPL (en théorie), les taux de remplissagesvarient entre 79% et 39%, les indicateurs P252.2 (Nombre de points du réseau nécessitant des interventions) et P258.1(Taux de réclamation étant les moins souvent complétés).Les données de contexte ont été remplies plus fréquemment (taux de remplissage variant entre 90% et 99%) à l’exceptiondu montant financier de travaux engagés (74%). Pour celles qui n’étaient sollicité qu’auprès des collectivités ayant uneCCSPL, les indicateurs de contexte ont des taux de remplissage compris entre 56% et 83%.

1.2.2 Analyse des valeurs aberrantes

Comme pour les données des services d’eau potable, nous analysons les données aberrantes par le calcul de ratio :- volume traité par abonné- La durée d’extinction de la dette recalculée


11

Ratio utiliséLimite de

signalisation

Taux de cas devaleurs

aberrantes

Causesenvisagées de

valeur aberranteObservation

Volume facturé parabonné

1000 m3 par abonné(hormis le cas de laVille de Paris)

0% On ne retrouve pasdans les données del’assainissement leserreurs d’unitéexistantes dans l’eaupotable

Durée d’extinctionde la detterecalculée

Différencesupérieure à deuxans

43% La définition del’indicateur n’est pasappliquée et peut-être confondue avecla durée résiduelledes emprunts encours.

Tableau 4 : Analyse des valeurs aberrantes pour les donnéesdes services d’assainissement collectifs

Nous proposons moins de ratio de contrôle des données des services d’assainissement car nous disposons demoins de données brutes. Il apparaît cependant que pour les services d’assainissement, les erreurs imputablesaux unités de volume ne sont pas observables. Cependant, les indicateurs financiers (et plus particulièrement ladurée d’extinction de la dette) ne sont pas souvent calculés correctement.

En outre, certaines données de contexte ont été fournies par les services sans définition précise. Le chiffred’affaire TTC hors travaux par exemple ou le montant des recettes liées à la facturation. Pour ces données, ilserait utile de définir précisément ce qui est attendu pour obtenir des données comparables entre elles.

1.2.3 Conclusion et recommandations

En conclusion de cette première analyse des données des services d’eau et d’assainissement, nous pouvonsrappeler les préconisations avancées précédemment pour les services d’eau potable, les données des servicesd’assainissement montrant des caractéristiques comparables :- utiliser des unités courantes (les m3 plutôt que les milliers de m3 par exemple) et spécifier clairement les

plages de valeurs attendues (notamment pour les indices exprimés en pourcentage) ;- proposer de renseigner les différents volumes sur un schéma de définition des différentes notions utilisées ;- rappeler les définitions des indices financiers et des données de contexte attendues ;- mettre en place des vérifications automatiques de la cohérence des données. Ceci nécessite cependant de

disposer des données brutes ou des données de contexte pour pouvoir le faire, comme c’est le cas dans lesdonnées transmises par l’ONEMA. Ceci nécessite également de rappeler qu’une valeur aberrante peut êtrejuste et justifiée ;

- traiter à part les collectivités qui ne sont que partiellement responsables du service (soit responsable de laproduction uniquement ou de l’épuration uniquement), car certains indicateurs n’ont pas beaucoup de senspour ces services.

1.3 Comparaison avec les données nationales disponi bles (pour l’eau potable)

Une synthèse nationale de l’organisation des services d’eau potable avait été rédigée en 2007 à partir desdonnées disponibles sous le système d’information sur l’intercommunalité du Ministère de l’intérieur, BANATIC(Canneva, 2007).Il nous semble intéressant de mettre en parallèle les résultats de cette étude et les données fournies afind’évaluer la représentativité de l’échantillon test et d’extrapoler ensuite la façon dont l’ensemble des servicesd’eau se répartirait ensuite en fonction de la typologie choisie. Nous avons comparé notre échantillon selon troisaspects liés à l’organisation : la taille, appréciée par l’estimation du nombre d’habitants desservis, la naturejuridique du service et le mode de gestion.Les figures ci-dessous montrent les comparaisons des répartitions des échantillons selon les différentescatégories (en nombre de services).

Selon la taille, comprise comme une estimation du nombre d’habitants desservis.


12

Réparition selon le nombre d'habitants desservis

0% 5%

10% 15% 20% 25% 30% 35% 40%

1 2 3 4 5 6 7 8

Test Banatic

Figure 1 : Répartition des services d’eau potable selon l’estimationdu nombre d’habitants desservis (données Ministère de l’intérieur, 2007)

La figure montre que l’échantillon test sous-représente largement les services de taille moindre (inférieur à1000 habitants desservis) et par conséquent sur-représente les services de taille plus importante.Cependant si on ne considère que les services dont la population est supérieure à 3500 habitants, on constateque la répartition de l’échantillon test est assez comparable à la répartition nationale.

Réparition selon le nombre d'habitants desservis (> 3500 hab.)

0% 10% 20% 30% 40% 50% 60% 70%

4 5 6 7 8

Test Banatic

Figure 2 : Répartition des services d’eau potable selon l’estimation du nombred’habitants desservis (>3500 hab.) (données Ministère de l’intérieur, 2007)

Ce constat indique que dans un système où l’ensemble des services français serait représenté (y compris ceuxde taille les plus modestes), la typologie test devra être spécifiquement validée et pourra laisser des catégoriespeu remplies dans l’attente de remontées de données de ces services.

Les catégories de taillessont celle proposées parl’IFEN (IFEN, 2003) :1 : moins de 400 hab.2 : de 400 à 10003 : de 1000 à 35004 : de 3500 à 100005 : de 10000 à 200006 : de 20000 à 500007 : de 50000 à 1000008 : plus de 100000


13

Selon la nature juridique de la collectivité et selon le mode de gestion :

Réparition selon la nature juridique de la collecti vité

0%

10%

20%

30%

40%

50%

60%

70%

80%

commune SI SM communautés

Test

Banatic

Figure 3 : Répartition des services d’eau potable selon leur nature juridique(données Ministère de l’intérieur, 2007)

Répartition selon le mode de gestion

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

DSP régie

test

référence

Figure 4 : Répartition des services d’eau potable selon leur mode de gestion(données Ministère de l’intérieur, 2007)

Si on compare à la situation nationale, l’échantillon test surreprésente les services intercommunaux auxdétriment des services communaux et les services en gestion déléguée au détriment des services en gestiondirecte. Ceci est cohérant avec la sous-représentation des services de petite taille car ceux-ci sontmajoritairement communaux et en régie.

En conclusion de cette comparaison, il convient de noter que l’échantillon test ne représente que trèspartiellement les services les plus petits (inférieurs à 3500 habitants notamment). Si ces derniers sont intégrésmassivement au système d’information, il sera indispensable de valider pour cette population particulière leshypothèses de construction de la typologie. Pour la construction provisoire de la typologie, il semble alorsimportant de garder un assez grand nombre de catégories.

Les syndicatsintercommunaux (SI)regroupent les syndicat àvocation unique (SIVU) etceux à vocation multiple(SIVOM).Les syndicats mixtes (SM)regroupent les syndicatsmixtes « fermés » et« ouverts ».

La catégorie DSP (délégationde service public) regroupeles affermages, concessions,régies intéressées et, parextension, les gérances.


14

2 Principes de la méthode d’élaboration de la typol ogie

2.1 Rappel des objectifs généraux et des présupposé s

Les services d’eau potable et d’assainissement étant institutionnellement et budgétairement distincts6, il noussemble impossible de construire une typologie des services d’eau globale. Nous établirons donc séparément unetypologie pour les services d’eau potable et une typologie pour les services d’assainissement collectif.Cependant, pour la consultation du grand public, il sera tout à fait envisageable, pour une commune donnée,d’indiquer les services d’eau potable et d’assainissement et les classes auxquelles ils correspondentrespectivement.

La collecte de données des services comprend des éléments descriptifs et les indicateurs de performance. Elle avocation à être systématique et les données pourront être mises intégralement à la disposition de chacun. Desanalyses statistiques poussées, destinées à tester des hypothèses variées pourront donc être menée à l’échellenationale. Cependant le système d’information doit être ouvert aux non-spécialistes. Or ceux-ci vont seretrouver face à de très nombreuses informations, dont un des usages sera de juger de la performance relativede « leur » service. Afin d’éviter des comparaisons de services très dissemblables, dont les performances nepeuvent être analysées selon les mêmes points de vue, la mise en place d’une typologie apparaît comme unoutil intéressant. Elle permettrait d’analyser les performances relatives de services dont les caractéristiques sontplus proches et d’éviter les rapprochements trop farfelus.

Dans ces conditions, la typologie a une vocation d’usage de type « grand public », ce qui la conduit à être à lafois simple, compréhensible mais fondée sur des arguments scientifiques et techniques solides.Simple : elle doit comprendre un nombre de classes limitées.Compréhensible : les indices sur lesquels elle repose doivent être retenus parmi des concepts accessibles àtous.Une autre contrainte est la limite fixée par les données disponibles. En effet, même s’il est possible de suggérerla collecte de données complémentaires, le décret sur le rapport prix et qualité du service fixe les donnéesdisponibles et nous avons donc pris cet élément comme une contrainte forte.

Enfin, pour que le système d’information national et la typologie puissent apporter des comparaisons deperformance pertinentes, il faut que les méthodes de constitution des indicateurs de performance maiségalement des données de contexte, soient précisément encadrées. Cette contrainte a été évoquée dans lapremière partie de ce rapport au travers de l’exemple des données 2007 fournies par l’ONEMA. Noussupposerons dans la suite du rapport que le processus de traitement et de remontée d’information au niveaud’un système central permet de garantir que les données sont établies selon des méthodologies uniformes dansle temps et pour tous les services.

2.2 Une typologie fondée sur les contraintes extern es, s’imposant aux services

Un des objectifs d’un système d’information sur les services est de compenser le caractère de monopole natureldu service d’eau ou d’assainissement par une comparaison entre services, introduisant ainsi une pseudo-concurrence. Les usagers ne vont pas changer de service mais, bénéficiant d’exemples d’autres services, ilspourront faire pression sur les élus (en tant que maître d’ouvrage et autorité organisatrice) et sur les opérateurs(en tant qu’exploitants) afin que ceux-ci améliorent leurs performances.Une typologie créée dans cet esprit de pseudo-comparaison doit donc s’attacher à ne regrouper les services queselon les conditions intangibles auxquelles ils sont soumis, et sur lesquelles les régulateurs locaux et lesopérateurs n’ont aucune influence ou une influence limitée à court terme, telle que le nombre d’abonnés àdesservir ou le linéaire de réseau pour ne citer que ces deux exemples.Ainsi on laisse les régulateurs locaux et les opérateurs établir un arbitrage entre qualité du service et prix,facteurs qui ne rentrent alors pas en compte dans la typologie du service telle que nous la construisons.L’usager du système d’information compare alors son service avec d’autres qui ont des conditions d’exploitationsimilaires mais dont les choix de gestion (la cadence de renouvellement du réseau ou le mode de gestion parexemple), qui peuvent avoir une influence sur le prix, sont différents.

6 Hormis dans le cas des communes de moins de 500 hab.


15

On note que cette proposition de typologie n’est pas incompatible avec d’autres sous-typologie qui regroupentpar classe les services qui ont des choix de gestion similaire, afin d’établir des classes plus homogènes.La figure suivante illustre la façon dont une typologie large, définissant des grandes classes (ici classe 1 etclasse 2) peut ensuite être découpée en sous-typologies plus fines, définissant des classes plus petites (ici sous-classes 1A, 1B, etc.)

Figure 5 : Articulation possible entre une typologie et une sous-typologie

Cette proposition n’est pas la seule qui pourrait être faite. Elle a l’avantage de ne pas être exclusive, de resterassez accessible dans son principe, de ne pas apporter de jugement implicite sur des choix de mode de gestion,sur des arbitrages entre qualité du service et prix, etc.

2.3 Le choix des données prises en compte dans la t ypologie

Lors de l’analyse des travaux économétriques déjà menés sur les services d’eau et d’assainissement (*voir lerapport provisoire sur les analyses économétriques existantes), nous avions mis en avant l’influence desvariables de contrainte liées :- au volume distribué- au nombre d’abonnés- au linéaire de réseauque ce soit sous la forme de ces variables directement ou de ratio les faisant intervenir.

Par ailleurs, spécifiquement pour les services d’eau potable, la qualité de la ressource et la complexité dutraitement lié influençait également le prix.Pour les services d’assainissement, en l’absence d’étude spécifique, on pouvait extrapoler que les contraintes derejet (l’obligation de réaliser un traitement tertiaire par exemple) et le type de traitement mis en placeinfluençaient également le prix.Ces données ne sont pas disponibles dans les documents transmis par l’ONEMA. Une intégration dans lesystème d’information permettrait alors de mieux préciser la typologie.On peut supposer facilement que certaines contraintes ont une influence sur les coûts du service, comme latopographie. Cependant, il n’existe pas de données disponibles synthétisant ces contraintes dans le rapport prixet qualité du service. Il est donc difficile à ce stade de la réflexion de les prendre en compte ou même desuggérer une méthodologie de recensement.

Les données sur les modes de gestion des services n’ont pas été prises en compte dans la typologie. Chaquetype inclut ainsi des services ayant des modes de gestion contrastés. Le système d’information permettra alorsde comparer différents modes de gestion, en fonction de leurs performances et pour des services ayant descontraintes similaires.

Enfin, parmi les données transmises par l’ONEMA, nous n’avons retenu que les services pour lesquels lesdonnées choisies pour établir la typologie étaient disponibles.

Type 1

Type 2

Sous-type1A

Sous-type2B

Sous-type2A

Sous-type1D

Sous-type1C

Sous-type1B

Sous-type2C

Sous-type2D


16

2.4 Le choix de la méthode de construction de la ty pologie

Pour aboutir à une typologie des services fondée sur les contraintes, deux méthodes principales peuvent êtreconsidérées : la classification par segmentation sur les grandeurs choisies ou l’analyse en composantesprincipales.- la classification par segmentation sur des grandeurs choisies est la plus simple. Elle risque cependant

d’aboutir à un très grand nombre de classes. Dans notre cas, à partir de 3 grandeurs et en prenant entre 4et 6 classes par grandeurs, nous obtiendrions entre 64 et plus de 200 classes. Certaines seraientévidemment vide et seraient alors fusionnées. Mais dans la mesure où nous travaillons sur un échantillon oùles services de taille modeste ne sont que très partiellement représentés, ce travail de fusion devrait êtrerevalidé par la suite. En outre, le nombre de classes reste assez élevé selon cette méthode.

- L’analyse en composantes principales (ACP) est plus complexe mais permet dans un échantillon d’identifierles principaux caractères qui différencient les services entre eux et de ne retenir que les composantes lesplus discriminantes. C’est la méthode que nous avons retenue pour construire une typologie de servicesd’eau potable d’une part et d’assainissement d’autre part, fondée sur les contraintes.

Comme nous l’avons signalé précédemment, les services de production uniquement et d’épuration uniquementdevraient être traités de façon distincte. Les contraintes retenues sont plutôt celles qui s’appliquent à desservices de distribution ou de collecte ; ce sont d’ailleurs ceux avec lesquels les usagers ont le plus de contact.Dans la suite de notre travail, nous ne dégagerons pas une typologie spécifique pour ces services et nous nousconcentrerons sur les services assurant au moins la distribution d’eau potable ou la collecte d’eau usée.


17

3 Typologie pour les services d’eau potable

Nous avons retenu 208 services pour lesquels les données utiles à notre analyse étaient disponibles. Lesdonnées descriptives n’en sont donc que très marginalement affectées.

3.1 Méthode

Comme cela a été présenté dans la partie précédente, les trois grandeurs considérées sont :- le volume vendu (à tout type d’abonné, y compris les autres collectivités)- la longueur du réseau- le nombre d’abonnés

Nous avons donc procédé à une analyse en composantes principales (ACP) sur les logarithmes des données(nb d’abonnés, longueur du réseau et volume vendus) quel que soit le type d’usager (domestique, industriel ouautre collectivité). L’objectif de cette analyse est de ne retenir à partir de ces trois grandeurs que les 2composantes qui rassemblent la plus grande hétérogénéité de l’échantillon.Nous analysons le logarithme népérien (ln) de ces grandeurs afin de limiter le poids des grands services et depouvoir exploiter les résultats sous la forme de ratios compréhensibles, tels que la densité d’abonné sur leréseau.Afin de ne pas donner plus de poids à une grandeur plutôt qu’à une autre, nous avons utilisé les valeurscentrées réduites.Pour une plus grande facilité de lecture, nous notons :- V, la valeur centrée réduite du ln du volume vendu- L, la valeur centrée réduite du ln de la longueur de réseau- A, la valeur centrée réduite du ln du nombre d’abonnés.

3.2 Résultat de l’ACP

L’analyse de la matrice de corrélation des grandeurs met en évidence que les deux composantes principalescaptent 99% de la variance de l’échantillon et pourraient être retenues à la place des trois grandeurs initiales.

La première composante principale capte 93% de la variance de l’échantillon. Elle peut s’exprimer sous la formed’un indicateur :I1 = 0.578 V + 0.563 L + 0.590 ACet indicateur est caractéristique de la « taille du service » ; comme les trois coefficients sont presque égaux,un indicateur assez proche, I1’, est un moyenne des 3 grandeurs caractéristiques. Compte tenu du fait que lesgrandeurs considérées sont « proportionnelles » au volume, on peut supposer qu’elle sera facilementtransférable à un échantillon plus important.

La seconde composante principale capte 6% de la variance. Elle peut s’exprimer sous la forme d’un indicateur :I2 = 0.563 V - 0.799 L + 0.212 ACet indicateur est caractéristique de l’intensité d’usage du réseau ; en effet, le ln de la longueur du réseau a uncoefficient négatif tandis que le volume vendu et le nombre d’abonnés ont un coefficient positif (il est possibleen fait de prendre le vecteur opposé à celui-ci, mais le raisonnement reste identique).Il est difficile de présager de l’extrapolation du caractère explicatif de cet indicateur. Cependant l’intensitéd’usage du réseau est une donnée importante compte tenu de la présence de coûts fixes, essentiellement liésau réseau, et de recettes principalement assises sur le volume consommé. L’intensité d’usage permet alors dedifférentier des services où les coûts fixes sont répartis sur un plus grand volume et accessoirement sur un plusgrand nombre d’abonnés des services où à coûts identiques, un tarif plus élevé doit permettre d’équilibrer lebudget.

Il est envisageable de considérer un indicateur proche I2’ (2

'2LV

I−= ) mais plus simple pour ne garder que

les deux plus grands coefficients et ainsi aboutir à un rapport entre le linéaire de réseau et le volume vendu. On

peut également retenir un indicateur intermédiaire, I2’’ (14

32''2

LAVI

−+= ), qui fait intervenir les 3


18

grandeurs caractéristiques mais avec les coefficients plus simples que l’indicateur exact. La figure suivantedécrit les positions relatives des indicateurs approchés et montre qu’ils restent très proches des indicateurs tirésdirectement de l’ACP. Les avantages et inconvénients de l’utilisation de l’un ou l’autre seront abordés au coursde l’illustration de l’utilisation de la typologie.

-1.5

-1

-0.5

0

0.5

1

1.5

-6 -4 -2 0 2 4 6 8

Indicateur exact indicateur approché indicateur approché''

Figure 6 : Position respective de l’indicateur de l’ACP et des indicateurs approchés(utilisant respectivement I2’ et I2’’)

Le tableau suivant récapitule les indicateurs proposés pour aborder la typologie des services d’eau potable etleur interprétation.

Indicateur exact(ACP)

Indicateur approchéIndicateur sous forme

non logarithmiqueInterprétation

I1 = 0.578 V + 0.563 L+ 0.590 A

3'1

LAVI

++=Moyenne géométrique desvolumes distribués, de lalongueur du réseau et dunombre d’abonnés

Taille du service

I2 = 0.563 V - 0.799 L+ 0.212 A

2'2

LVI

−=volume vendu / longueur duréseau

Intensité d’usage du réseau

14

32''2

LAVI

−+=(volume vendu / longueurdu réseau)² x densitéd’abonnés

Intensité d’usage du réseau

Tableau 5 : Indicateurs proposés pour la typologie et interprétation

3.3 Répartition en classes

Après avoir identifié les indicateurs qui permettaient de classer les services, il convient de déterminer unesegmentation des indicateurs.Les figures suivantes présentent la répartition des valeurs prises par les indicateurs.


19

-6

-4

-2

0

2

4

6

8

1 16 31 46 61 76 91 106 121 136 151 166 181 196

I1 I1'

Figure 7 : Valeurs prises par les indicateurs I1 et I1’ (taille)

-1.5

-1

-0.5

0

0.5

1

1.5

1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196

I2 I'2 I''2

Figure 8 : Valeurs prises par les indicateurs I2, I2’ et I2’’ (intensité)

Quelques travaux avaient déjà réparti les services dans des classes de tailles selon des indicateurs propres(FNCCR/Nantes-Metropole, 2006; IFEN, 2003; Pezon et al., 2006).Dans ses synthèses, l’IFEN proposait une partition en 8 classes des services, selon une estimation de lapopulation desservie (moins de 400 ; moins de 1000 ; moins de 3500 ; moins de 10000, moins de 20000, moinsde 50000, moins de 100000, plus de 100000)Les travaux de comparaison des tarifs pratiqués de la FNCCR segmentent les services également en fonction del’estimation de la population desservie entre service de plus/moins de 100 000 habitants.Enfin dans son observatoire des délégations, le laboratoire Gestion de l’eau et de l’assainissement avaitégalement segmenté les services en fonction du nombre d’habitants desservis en créant 4 classes (0 – 4000 ;4000 – 8000 et 8000 – 20000)


20

En outre, des dispositions réglementaires existent et fixent des limites pour l’application de certaines mesures,comme par exemple :- L’équilibre budgétaire des services n’est pas une obligation pour les communes de moins de 3000 habitants

et pour les EPCI composés de communes de moins de 3000 habitants.- La création de CCSPL est obligatoire pour les communes de plus de 10000 habitants, pour les EPCI de plus

de 50 000 habitants et pour les syndicats mixtes comprenant au moins une commune de plus de 10 000habitants.

Ces exemples montrent cependant qu’il est difficile de traduire ces dispositions en population desservie par leservice (la donnée dont nous disposons) car les limites dépendent alors de la nature juridique de la collectivité.Il est donc difficile de les utiliser directement comme limites.

Dans un souci de limiter le nombre de classes finales, nous proposons d’établir 6 classes liées à l’indicateur« taille ». Cette proposition n’exclut évidemment pas la possibilité d’étudier un nombre de classes plusimportant ou plus réduit.Nous proposons les limites suivantes, fondées sur la répartition des valeurs de l’indicateur I1’ dans notreéchantillon (voir Figure 7) :

ClassePlage de valeur pour

l’indicateur I1’Nombre de cas

Population desservie(estimation) – moyenne

Ecart-type

1 <-2.5 13 351 1962 [-2.5 , -1[ 36 1 533 8593 [-1 , 0[ 53 4 405 3 7024 [0 , 1[ 59 10 199 5 8895 [1 , 2.5[ 34 27 723 22 3516 >= 2.5 13 770 026 1 150 869

Tableau 6 : Proposition de classes de taille du service d’eau potable7

Il ne semble pas exister de réflexion sur une segmentation selon d’autres critères, hormis pour la densité debranchements (Guérin-Schneider, 2001) : les services sont répartis en 3 classes, les services ruraux présententune densité inférieure à 25 br / km ; les services urbains présentent une densité supérieure à 50 br / km et lesservices intermédiaires dont la densité est comprise entre ces deux bornes. Cette segmentation est utile pouranalyser l’indice linéaire de perte en réseau, qui à vétusté de réseau comparable, sera plus important dans unréseau ayant une forte densité de branchement, c’est-à-dire urbain.Néanmoins nous devons souligner qu’il existe un biais entre cette segmentation et les données effectivementdisponibles. Le nombre d’abonné peut être plus important que le nombre de branchements en casd’individualisation de compteur notamment.

Dans un souci de limiter le nombre de classes finales, nous proposons d’établir 4 classes liées à l’indicateur« intensité ».Nous proposons les limites suivantes, fondées sur la répartition des valeurs des indicateurs I2’ et I2’’ dans notreéchantillon (voir Figure 8) :

ClassePlage de valeurpour l’indicateur

I2’ ou I2’’

Nombre decas (I2’)

Densité d’abonnéssur le réseau –moyenne (I2’)

Nombre decas (I2’’)

Densité d’abonnéssur le réseau –moyenne (I2’’)

1 <-0.35 52 9.8 52 9.52 [-0.35 , 0[ 60 16.7 56 16.13 [0 , 0.5[ 70 31.8 70 30.24 >=0.5 26 57.9 30 57.6

Corrélation avec la densité 0.740 0.795

Tableau 7 : Proposition de classes d’intensité du service d’eau potable

7 La population desservie moyenne par classe est calculée sur la base des données disponibles dans notre échantillon sur cetindicateur.


21

NB : compte tenu du profil de répartition, nous avons choisi de ne pas prendre une répartition symétriqueautour de 0, ce qui explique pourquoi la classe d’intensité 4 est visiblement moins bien représentée.

Le Tableau 7 montre que les deux indicateurs identifient globalement les classes de densité d’abonnés sur leréseau. Cependant l’indicateur I2’’ présente un avantage sur l’indicateur I2’ (la corrélation est plus forte) car ilprend en compte directement le nombre d’abonnés, et permet ainsi de préserver un lien avec l’analyse desindices linéaires de perte.

3.4 Exemple d’utilisation de la typologie

Dans cette partie, nous proposons de montrer par quelques exemples, des utilisations possibles de la typologiedes services d’eau potable. Il ne s’agit pas de déduire des résultats généraux, l’échantillon de données dontnous disposons étant trop limité. Il s’agit de montrer le bien-fondé de l’analyse globale des performances desservices par classe de taille et d’intensité.

3.4.1 Rendements et indices linéaires de perte

Nous analysons les rendements et indices linéaires de perte selon la taille et l’intensité

classe1'

classe2'' Données 1 2 3 4 5 6 Total

1 NB P104.3 2 3 16 22 8 1 52Moyenne P104.3 76% 77% 75% 76% 75% 80% 76%Ecartype P104.3 34% 10% 10% 7% 9% - 9%

2 NB P104.3 3 9 14 16 11 2 55Moyenne P104.3 79% 84% 79% 72% 82% 83% 78%Ecartype P104.3 17% 6% 9% 9% 7% 7% 9%

3 NB P104.3 7 16 17 16 9 4 69Moyenne P104.3 84% 82% 82% 77% 71% 86% 80%Ecartype P104.3 8% 9% 7% 7% 14% 3% 9%

4 NB P104.3 1 7 6 4 6 6 30Moyenne P104.3 89% 82% 75% 74% 83% 87% 81%Ecartype P104.3 - 12% 5% 5% 6% 7% 9%

Total NB P104.3 13 35 53 58 34 13 206

Total Moyenne P104.3 82% 82% 78% 75% 78% 85% 79%

Total Ecartype P104.3 14% 9% 9% 8% 10% 5% 9%

Tableau 8 : Analyse croisée du rendement de réseau de distribution en fonction des classesde taille et d’intensité


22

classe1'


1 NB P106.3 2 3 16 22 8 1 52Moyenne P106.3 0.80 1.36 0.94 0.99 1.25 1.20 1.03Ecartype P106.3 1.13 1.44 0.42 0.41 0.38 - 0.52

2 NB P106.3 3 9 14 16 11 2 55Moyenne P106.3 1.38 0.95 1.39 2.56 1.56 1.90 1.71Ecartype P106.3 1.65 0.44 0.63 1.82 0.82 1.58 1.29

3 NB P106.3 7 16 17 16 9 3 68Moyenne P106.3 2.19 1.84 2.49 3.70 7.46 5.49 3.38Ecartype P106.3 1.44 0.95 1.54 1.63 5.78 1.09 2.99

4 NB P106.3 1 7 6 4 6 6 30Moyenne P106.3 1.60 5.51 8.43 11.39 7.02 13.84 8.71Ecartype P106.3 - 3.69 1.48 4.74 3.90 8.47 5.64

Total NB P106.3 13 35 53 58 34 12 205

Total Moyenne P106.3 1.74 2.30 2.40 2.89 4.01 8.71 3.12

Total Ecartype P106.3 1.38 2.40 2.49 3.08 4.40 7.99 3.77

Tableau 9 : Analyse croisée de l’indice linéaire de perte en fonctiondes classes de taille et d’intensité

Ces tableaux montrent l’intérêt complémentaire de l’indice d’intensité pour comparer les rendements de réseauet les indices linéaires de perte dans chaque classe. A classe d’intensité identique, la relation avec le rendementou l’indice linéaire de perte apparaît clairement. Lorsqu’on compare les classes de taille, sans prendre encompte l’intensité, aucune relation ne semble apparaître. Il semble cependant que l’indice linéaire de perteaugmente avec la taille, mais cette relation est due à une forte représentation des services les plus intensesdans les classes de taille les plus importantes.Une analyse de variance permet d’infirmer l’hypothèse égalité des moyennes entre les classes d’intensité, quece soit pour le rendement ou pour l’ILP.

3.4.2 Prix du service

De la même façon nous pouvons analyser les différences de prix (indicateur D102.0) entre les classes de tailleet d’intensité.

classe1'


1 NB D102.0 2 3 16 22 8 1 52Min D102.0 1.66 1.17 1.44 1.15 1.48 2.28 1.15Max D102.0 1.88 2.16 3.20 2.80 2.42 2.28 3.20Moyenne D102.0 1.77 1.67 2.05 2.03 1.96 2.28 2.00Ecartype D102.0 0.16 0.50 0.41 0.43 0.31 - 0.40

2 NB D102.0 3 9 14 16 10 2 54Min D102.0 1.39 1.26 1.17 1.36 0.99 1.51 0.99Max D102.0 2.96 2.45 2.33 2.44 2.42 1.68 2.96Moyenne D102.0 2.00 1.88 1.79 1.84 1.76 1.60 1.82Ecartype D102.0 0.84 0.35 0.33 0.33 0.48 0.12 0.38

3 NB D102.0 7 17 17 16 9 4 70Min D102.0 1.36 1.30 0.92 1.11 0.96 1.41 0.92Max D102.0 2.25 2.43 2.35 2.59 2.07 2.83 2.83Moyenne D102.0 1.83 1.68 1.75 1.72 1.48 1.89 1.71Ecartype D102.0 0.28 0.31 0.40 0.36 0.38 0.64 0.38

4 NB D102.0 1 7 5 4 6 6 29Min D102.0 1.36 1.12 1.00 0.91 1.11 0.84 0.84Max D102.0 1.36 2.06 2.19 2.24 2.45 3.82 3.82Moyenne D102.0 1.36 1.57 1.73 1.48 1.65 2.27 1.74


23

Ecartype D102.0 - 0.33 0.48 0.56 0.47 1.29 0.72

Total NB D102.0 13 36 52 58 33 13 205

Total Min D102.0 1.36 1.12 0.92 0.91 0.96 0.84 0.84

Total Max D102.0 2.96 2.45 3.20 2.80 2.45 3.82 3.82

Total Moyenne D102.0 1.82 1.71 1.85 1.85 1.71 2.05 1.81

Total Ecartype D102.0 0.43 0.34 0.41 0.42 0.44 0.93 0.46

Tableau 10 : Analyse croisée des prix (prix au m3 sur la base d’une facture de 120m3)en fonction des classes de taille et d’intensité

Le tableau montre que si la classe de taille ne laisse pas apparaître de relation avec le prix, l’intensité semble unfacteur entrant en ligne de compte. Une analyse de variance confirme qu’on peut considérer que les prix sontstatistiquement différents d’une classe d’intensité à l’autre ; ceci est illustré par la figure suivante.

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

classe2'':1 classe2'':2 classe2'':2 classe2'':4

Figure 9 : Répartition des prix (indicateur D102.0) en fonction des classes d’intensité

3.4.3 Exemples de classification de services

Notre classification peut en conclusion être illustrée par la représentation des services de l’échantillon. Letableau a été placé en annexe.Nous pouvons synthétiser la nature juridique des collectivités en fonction des différentes types (classe de taillex classe d’intensité).

classe1'classe2' Données 1 2 3 4 5 6 Total

1 Moyenne commune 100% 67% 0% 0% 0% 0% 8%Moyenne SI 0% 33% 100% 95% 100% 100% 90%Moyenne communauté 0% 0% 0% 5% 0% 0% 2%Moyenne SM 0% 0% 0% 0% 0% 0% 0%



4 Moyenne commune 100% 83% 60% 67% 40% 33% 58%Moyenne SI 0% 17% 40% 0% 40% 33% 27%

La figure représente,par classe d’intensité,les valeurs maximaleset minimales (trait fin)et les valeurs despremier et dernierquartiles (rectangle).


24

Moyenne communauté 0% 0% 0% 33% 20% 33% 15%Moyenne SM 0% 0% 0% 0% 0% 0% 0%

Total Moyenne commune 92% 58% 25% 3% 12% 15% 26%Total Moyenne SI 8% 42% 74% 90% 71% 38% 66%Total Moyenne communauté 0% 0% 0% 7% 12% 46% 7%Total Moyenne SM 0% 0% 2% 0% 6% 0% 1%

Tableau 11 : répartition des services d’eau potable en fonction des classes de taille et d’intensitéet de la nature juridique (commune, Syndicat intercommunal, communauté ou syndicat mixte)

La répartition montre la corrélation entre le type (taille x intensité) et la forme juridique prédominante duservice ; les services de petite taille et/ou intense sont plus souvent des communes, les services peu intenses etde taille plus importante sont de façon prédominante des syndicats intercommunaux.

3.4.4 Point particulier sur les services touristiques

Lors d’un précédent comité de pilotage, notre attention a été portée sur les services opérant dans des zonestouristiques. Il apparaît cependant que cette catégorie comprendrait des situations très variables. Certainescommunes touristiques ont une population permanente importante et une affluence assez bien répartie tout aulong de l’année. D’autres ont des affluences très concentrées sur la période estivale et une population trèslimitée le reste de l’année. Dans le second cas, le caractère touristique apparaît comme une contrainte forte,puisqu’il oblige à dimensionner les infrastructures en fonction de l’usage en haute saison, que le coût est répartisur l’usage, plus limité, tout au long de l’année. Dans ces deux situations extrêmes, un indicateur quipermettrait de distinguer les situations où le caractère touristique a une influence sur le service d’eau est lecoefficient de pointe (le ratio entre le volume mis en distribution en jour de pointe et le volume mis endistribution en moyenne journalière, par exemple8). Il permettrait en outre de prendre en compte des servicesqui subissent des contraintes similaires sans pour autant être considérés comme touristiques. Néanmoins cesdonnées ne sont pas facilement accessibles (cela dépend des systèmes de mesures installés) et ne font paspartie des données présentées dans les rapports prix/qualité du service.

3.5 Contraintes sur la ressource en eau

La construction de la typologie n’utilise à aucun moment des données reflétant les contraintes liées à laressource en eau. En effet, les données disponibles sont assez limitées. On dispose des volumes prélevés eneau de surface et en eau souterraine. On connaît également les volumes d’eau achetés à d’autres services. Onpeut alors utiliser deux ratios pour essayer d’apprécier les contraintes liées aux ressources en eau : la part d’eaude surface utilisée dans la production d’eau et la part d’eau importée dans le volume mis en distribution.Généralement, l’eau de surface est de qualité moindre que l’eau souterraine et nécessite d’être traitée. Parailleurs le fait de se fournir en eau à l’extérieur du périmètre du service indique éventuellement une difficultéd’approvisionnement.Cependant ces ratios peuvent induire des biais importants : l’eau souterraine peut également nécessiter destraitements poussés et l’import d’eau peut se faire à prix coûtant, notamment lorsque la collectivité achète del’eau auprès d’un syndicat de production auquel elle adhère. De plus, la collecte des données a montré uneconfusion dans la définition de données et l’utilisation des volumes pour calculer les ratios présentés doit sefaire avec précaution.Nous notons également une relative indépendance entre le ratio d’eau importé et les indices de taille etd’intensité que nous avons définis (coefficient de corrélation inférieur à 0.15 en valeur absolue). Pour la partd’eau souterraine prélevée, on note qu’il existe une certaine corrélation avec la taille, les services les plusimportants ayant plus souvent recours à l’eau de surface que les services de petite taille. Cependant, et plussignificativement, les services qui s’alimentent à la fois avec de l’eau de surface et de l’eau souterraine sont desservices de grande taille.Les données disponibles sont donc limitées et ne permettent pas de lever l’ambiguïté sur les contraintes quipeuvent peser sur les ressources. Par ailleurs nous constatons qu’elles sont assez indépendantes des indicateursdéjà mis en avant et qu’il semble donc envisageable de les traiter séparément, avec des données sur lacomplexité des traitements mobilisés. 8 Il est envisageable également de prendre le coefficient de pointe en production (volume produit en jour de pointe /volume journalier produit) dans les cas où le volume distribué provient principalement de la production du service. Cesvolumes peuvent être plus facilement quantifiables, selon les services.


25

4 Typologie pour les services d’assainissement coll ectifs

Nous procédons selon la même méthodologie pour les services d’assainissement collectifs.Nous avons conduit une analyse sur 126 services, pour lesquels les données nécessaires étaient disponibles.Cette sélection n’affecte que marginalement les statistiques descriptives.

4.1 Méthode

Comme pour les services d’eau potable, les trois grandeurs considérées sont :- le volume facturé- la longueur du réseau- le nombre d’abonnésNous avons complété notre analyse par la part de réseau unitaire.

Nous avons donc procédé à une analyse en composantes principales (ACP) sur les logarithmes des données(« nb d’abonnés », « longueur du réseau » et « volume facturé ») et sur la part de réseau unitaire. L’objectif decette analyse est de ne retenir à partir de ces quatre grandeurs que les composantes qui rassemblent la plusgrande hétérogénéité de l’échantillon.Nous analysons le logarithme népérien (ln) de trois des grandeurs afin de limiter le poids des grands services etde pouvoir exploiter les résultats sous la forme de ratios compréhensibles, tels que la densité d’abonné sur leréseau.Enfin, pour ne pas donner plus de poids à une grandeur plutôt qu’à une autre, nous avons utilisé les valeurscentrées réduites.Pour une plus grande facilité de lecture, nous notons :- V la valeur centrée réduite du ln du volume vendu- L la valeur centrée réduite du ln de la longueur de réseau- A la valeur centrée réduite du ln du nombre d’abonnés- U la valeur centrée réduite de la part de réseau unitaire

4.2 Résultat de l’ACP

L’analyse de la matrice de corrélation des grandeurs met en évidence que les deux composantes principalescaptent 99% de la variance de l’échantillon et pourraient être retenues à la place des trois grandeurs initiales.

La première composante principale capte 75% de la variance de l’échantillon. Elle peut s’exprimer sous la formed’un indicateur :I1 = 0.570 V + 0.570 L + 0.570 A + 0.159 UCet indicateur est caractéristique de la « taille du service » ; comme les trois coefficients sont presque égaux,un indicateur assez proche, I1’, est la moyenne des 3 grandeurs caractéristiques. Et compte tenu du fait que lesgrandeurs considérées sont « proportionnelles » au volume, on peut supposer qu’elle sera facilementtransférable à un échantillon plus important.

La seconde composante principale capte 24% de la variance. Elle peut s’exprimer sous la forme d’unindicateur :I2 = - 0.089 V - 0.116 A – 0.078 L + 0.987 UCet indicateur met en avant le caractère unitaire ou séparatif du réseau, assez indépendant des effets de taille.Un indicateur approché, I2’, peut-être directement considéré comme la part séparative ou unitaire du réseaud’assainissement.

Enfin, compte tenu de la relative indépendance du caractère unitaire ou séparatif du réseau, il est possible detravailler sur une ACP sur les 3 autres dimensions, en gardant le premier vecteur propre identifié.

La troisième composante identifiée capte une part assez limitée de la variance (1% ). Elle s’exprime sous laforme de l’indicateur I3 = 0.735 V – 0.059 A – 0.676 L.


26

On retrouve un indicateur similaire à I2 dans le cas de l’eau potable : cet indicateur est caractéristique del’intensité d’usage du réseau9.Il est difficile de présager de l’extrapolation du caractère explicatif de cet indicateur. Cependant l’intensitéd’usage du réseau est une donnée importante compte tenu de la présence de coûts fixes, essentiellement liésau réseau et de recettes principalement assises sur le volume consommé. L’intensité d’usage permet alors dedifférentier des services où les coûts fixes sont répartis sur un plus grand volume des services où à coûtsidentiques, un tarif plus élevé doit permettre d’équilibrer le budget.

Il est envisageable de considérer un indicateur très proche I3’ (2

'3LV

I−= ).

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

-6 -4 -2 0 2 4 6 8

taille

inte

nsité

Indicateur exact

Indicateur approché

Figure 10 : Répartition des services d’assainissement collectif en fonction des valeurs des indicesde taille et d’intensité

La figure 8 montre que les indicateurs approchés sont très proches des indicateurs exacts. En outre lescoefficients de corrélation entre ces indicateurs et la part de réseau unitaire sont respectivement 0.188 et –0.015, ce qui montrent qu’ils restent suffisamment peu corrélés pour les considérer indépendants. Nousproposons donc de travailler à partir de ces trois indicateurs.

Le tableau suivant récapitule les indicateurs proposés pour aborder la typologie des services d’eau potable etleur interprétation.

9 Il faut cependant noter qu’il s’agit du volume facturé (et donc lié au volume d’eau potable fourni à l’abonné dans la plupartdes cas). Le volume transitant dans le réseau peut différer sensiblement dans le cas de réseau unitaire mais égalementlorsqu’il existe des eaux parasites dans les réseaux séparatifs.


27

Indicateur exact (ACP) Indicateur approchéIndicateur sous forme

non logarithmiqueInterprétation

I1 = 0.570 V + 0.570 L +0.570 A + 0.116 U

3'1

LAVI

++=Moyenne géométrique desvolumes distribués, de lalongueur du réseau et dunombre d’abonnés

Taille du service

I2 = - 0.089 V - 0.116 A –0.078 L + 0.987 U

I2’ = U Part du réseau unitaire

I3 = 0.735 V – 0.059 A –0.676 L

2'3

LVI

−=volume facturé / longueurdu réseau

Intensité d’usage duréseau

Tableau 12 : Tableau récapitulatif des indicateurs des services d’assainissement collectifs

4.3 Répartition en classes

Après avoir identifié les indicateurs qui permettaient de classer les services, il convient de déterminer unesegmentation des indicateurs.Les figures suivantes présentent la répartition des valeurs prises par les indicateurs.

-6

-4

-2

0

2

4

6

8

1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120

Figure 11 : Répartition des valeurs prises par l’indicateur I1’ taille des servicesd’assainissement collectif


28

-1

-0.5

0

0.5

1

1.5

2

2.5

Figure 12 : Répartition des valeurs prises par l’indicateur I2’ part unitaire du réseaudes services d’assainissement collectif

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121

Figure 13 : Répartition des valeurs prises par l’indicateur I3’, intensitédes services d’assainissement collectif

Dans un souci de cohérence avec la typologie construite sur les services d’eau potable, nous proposons deprendre le même nombre de classes, 6.


29

Nous proposons les limites suivantes :


l’indicateur I1’Nombrede cas

Population desservie(estimation) – moyenne

Ecart-typeRappel

moyenne AEP1 <-2 8 397 345 3512 [-2.5 , -1[ 31 874 317 1 5333 [-1 , 0[ 35 2 292 998 4 4054 [0 , 1[ 24 6 648 4 890 10 1995 [1 , 2 [ 15 14 902 3 882 27 7236 >= 2 13 431 046 591 619 770 026

Tableau 13 : Proposition de classes de taille des services d’assainissement collectif

Le tableau ci-dessous présente pour les collectivités qui sont à la fois compétentes en AEP et en assainissementcollectif, les répartitions dans les classes de taille pour ces deux correspondances.

AEPClasse de taille 1 2 3 4 5 6 Total

1 1 3 42 9 1 103 8 2 4 144 1 8 3 1 135 8 3 116 4 7 11

Asst

Total 1 21 10 16 8 7 63

Tableau 14 : Répartition des collectivités compétentes en eau potable et enassainissement collectif dans les classes de taille

On constate donc que selon cette typologie, une collectivité peut être dans deux classes de taille différentespour l’eau potable et pour l’assainissement collectif (60% des cas). Ceci est lié au fait que (i) lescaractéristiques prises en compte peuvent être différentes dans les deux services, notamment lorsque desusagers raccordés au réseau d’eau potable sont en assainissement non collectif, (ii) les classes sont définies enfonction de l’échantillon disponible et que les échantillons en eau potable et en assainissement ne sont pas lesmêmes.Il est alors envisageable de garder deux approches de classes distinctes ou d’essayer de définir les limites desclasses de taille de sorte que dans la plupart des cas, les classes en eau potable et en assainissement collectifsoient les mêmes lorsque les périmètres des services sont assez proches.

Pour l’indicateur relatif au type de réseau séparatif ou unitaire, nous proposons de retenir 3 classes : lesservices avec des réseaux unitaires principalement, les services avec des réseaux séparatifs principalement etles services avec des réseaux mixtes.

Classe Plage de valeur pour l’indicateur I2’ Nombre de cas Observation1 <-0.5 76 Réseau unitaire à 95%2 [-0.5 , 2[ 363 >=2 14 Réseau séparatif à 95%

Tableau 15 : Proposition de classes en fonction des types de réseau de collecte

Enfin pour l’indicateur d’intensité, compte tenu de son amplitude moindre que dans le cas de l’eau potable,nous proposons de distinguer 3 classes.


30


l’indicateur I3’Nombre de cas

Ratio longueur par abonnés(m/ab.)

Observation

1 <-0.15 20 292 [-0.15 , 0.15[ 83 233 >=0.15 23 17

Tableau 16 : Proposition de classes en fonction de l’intensité d’usage du réseau

4.4 Exemple d’utilisation de la typologie

Dans cette partie et comme pour les services d’eau potable, nous présentons un exemple d’utilisation de latypologie. Cependant, avec 3 indicateurs et un nombre de cas plus réduit, l’analyse qui suit offre une illustrationplus qu’une justification du bien fondé de la typologie proposée.

Le tableau suivant présente les valeurs des indicateurs D204.0 Montant de la facture 120m3 en €/m3.

classe1classe3 Données 1 2 3 4 5 6 Total1 NB 1 3 6 5 1 4 20

Moyenne 0.88 2.09 1.97 2.37 1.40 1.52 1.91Ecartype - 1.16 0.49 0.43 - 0.37 0.66

2 NB 6 22 21 15 12 6 82Moyenne 1.54 1.76 2.02 2.00 1.86 1.37 1.84Ecartype 0.91 0.62 0.57 0.67 0.82 0.80 0.69

3 NB 1 6 8 3 2 3 23Moyenne 1.64 1.90 1.62 1.66 1.41 1.21 1.63Ecartype - 0.92 0.63 0.57 0.36 0.36 0.64

Total NB 8 31 35 23 15 13 125TotalMoyenne

1.47 1.82 1.92 2.04 1.77 1.38 1.81

TotalEcartype

0.81 0.72 0.58 0.63 0.76 0.58 0.68

Tableau 17 : Analyse croisée des prix de l’assainissement (prix au m3 sur la base d’une facturede 120 m3) en fonction des classes de taille (classe1) et d’intensité (classe3)

On constate donc que si le prix semble difficilement expliqué par la taille (en tous cas, pas de façon linéaire),l’intensité présente une relation plus claire : plus le service est intense et moins la facture est élevée.Cependant, cette relation n’est pas statistiquement confirmée par l’analyse de variance, compte tenu de la fortehétérogénéité intraclasse. Un échantillon plus large permettrait peut-être de consolider ce lien et ainsi dejustifier du point de vue de l’analyse de la performance, une classification selon l’intensité.

4.5 Les limites de la typologie des services d’assa inissement collectif

La typologie que nous proposons à partir des données transmises par l’ONEMA reste focalisée sur les élémentsde contrainte liés au réseau de collecte. De même que pour les services d’eau potable, elle ne prend pas encompte les facteurs touristiques et plus généralement les fluctuations saisonnières qui génèrent des surcoûts.Elle ne prend pas en compte les contraintes sur le rejet qui peuvent conduire à imposer un traitement pluspoussé (traitement tertiaire, désinfection par exemple). Les données qui auraient permis de considérer cescontraintes n’étaient pas disponibles.

5 Conclusion

Les données sur lesquelles nous avons travaillé permettent d’apporter des enseignements utiles sur plusieursplan :- la collecte et la transmission des données- l’extrapolation à l’échelle nationale- la création de typologie- les pistes de réflexion


31

Les données sont globalement bien renseignées. Cependant les définitions de certains indicateurs deperformance, malgré les fiches méthodologiques existantes, sont mal connues et mal appliquées. En outre,certaines données de contexte restent parfois floues, par défaut de fiches claires et de définition précise. Pourremédier à ces problèmes, la mise en place de collecte de données brutes et le calcul automatique desindicateurs peut constituer une solution. Une autre possibilité est le signalement automatique des valeursaberrantes ou surprenantes lors de la saisie des informations, soit qu’elle concerne les données saisiesdirectement ou des ratios calculés à partir de ces données.

La comparaison avec des données nationales montre que l’échantillon de services d’eau potable n’est pasreprésentatif, notamment parce qu’il comprend assez peu de services de taille modeste. Lors du passage del’échantillon test à l’échelle nationale il faut donc s’attendre (sous réserve que les données des petits servicesremontent effectivement au SISPEA) à ce qu’ils soient beaucoup plus représentés. La typologie construite àpartir de cet échantillon test doit donc prévoir que des catégories faiblement représentées dans un premiertemps pourraient devenir majoritaires et qu’il convient de préserver des classes en nombre suffisant pour cespetits services.

La méthode que nous avons suivie permet de construire une typologie s’appuyant sur les contraintes, etpermettant ensuite de retrouver dans une même classe les services placés dans des « conditions naturelles »similaires. Il devient alors possible de comparer leurs performances et leurs prix. Ceci présuppose que lesindicateurs sont calculés de la même façon.L’analyse en composantes principales permet de déterminer dans l’échantillon soumis les valeurs qui rendent lemieux compte de la variabilité. Cette méthode permet ainsi de limiter le nombre de types. Notre démarche acependant été jalonnée de choix (sur les caractéristiques retenues ou sur le nombre de classes par exemple),pour certains guidés par les données disponibles, mais qui ne sont pas les seuls envisageables. Ils devront doncêtre débattus au sein de groupe de travaux plus larges regroupant représentants des collectivités, desopérateurs et des usagers.Le traitement des services d’assainissement met en avant le fait que prendre en compte 3 caractéristiquesprincipales (ce qui peut sembler peu) conduit à définir un grand nombre de classes. Le débat sur la typologiedevra prendre en compte l’arbitrage entre précision et homogénéité des types définis (et donc un grand nombrede classes) et la lisibilité de la typologie (nombre de type limité).Les quelques exemples succincts présentés dans le rapport montrent l’intérêt qu’on peut tirer d’une typologie.Cependant l’analyse en composantes principales varie en fonction de l’échantillon et une étape de validation surune base de données nationale reste à mener. En outre, l’ACP s’appuie sur les données disponibles. Or leséléments de l’environnement naturel (ressource en eau, contraintes sur le point de rejet notamment) restentinconnus dans le système de données remonté actuellement

Enfin ce travail exploratoire montre quelques pistes qui n’ont pu être suivies, faute de données. Notammentnous n’avons pas pu déterminer un moyen d’identifier les services qui pouvaient être affectés par desfluctuations saisonnières importantes, induisant des surcapacités. De même les contraintes liées àl’environnement du service, que ce soit la qualité de la ressource et la complexité du traitement (eau potable)ou les contraintes sur le rejet (assainissement) n’ont pu être prises en compte.


32

6 Bibliographie

Canneva G. 2007. Vers un système d'information sur les services d'eau et d'assainissement: 37. Ministère del'Ecologie et de l'Aménagement Durables, Direction de l'eau: Paris

FNCCR/Nantes-Metropole. 2006. Résultat de l'enquête sur le prix de l'eau et de l'assainissement:

Guérin-Schneider L. 2001. Introduire la mesure de la performance dans la régulation des services d'eau etd'assainissement en France - Instrumentation et organisation, Gestion - Sciences de l'eau: 447. ENGREF: Paris

IFEN. 2003. La gestion de l'eau potable en France métropolitaine en 1998, Etudes et travaux n°40: 16. IFEN:Orléans

Pezon C, Bonnet F. 2006. Déroulement des procédures de délégation des services publics d'eau etd'assainissement, procédures 2004.: 63. Ministère de l'Ecologie et du Développement Durable

Annexe A : Répartition des services d’eau potable d ans la typolgie

Intensité \taille

Classe1 Classe2 Classe3 Classe4 Classe5 Classe6

Classe1 � Estirac (65)� Taillet (66)

� Lue (40)� SIAEP de la Vallée de l’Or (16)� Ventavon (05)

� SIAEP de CLION sur INDRE (36)� SYNDICAT DES EAUX DU GANTET (42)� Syndicat Intercommunal d'Alimentation

en Eau Potable des Hautes Vallées duGERS et de la BAISE (65)

� SYNDICAT DES EAUX DE L'ISABLE (42)� Syndicat de la PESCALERIE (46)� SIAEP de Meulles Friardel (14)� SI de MOUSTEY (40)� syndicat d'AEP De PEYRILLES (46)� SIAEP DAMAZAN / BUZET (47)� S.I. MAS D'AGENAIS (47)� SIAEP DE LA REGION DE PUYREAUX

(16)� SIAEP DE LA REGION DE RONSENAC

(16)� SIAEP DE SALLES LAVALETTE (16)� Syndicat des eaux de PLOUZEVEDE

(29)� SIVOM de PELLEGRUE (33)� SIE DE LASOLOGNE LIGERIENNE (71)

� SIE DE L'ARCONCE (71)� SIE DES BORDS DE LOIRE (71)� SIE DE BOURBINCE OUDRACHE (71)� SIE DE BRESSE NORD (71)� Syndicat de FRANCOULES (46)� SIE DE LA GUYE (71)� SYNDICAT DES EAUX DU HAUT FOREZ (42 et

43)� SYNDICAT DE L'ARGOAT (22)� SI de MUGRON (40)� SIAEP NERONDES (18)� SIVOM Nord Lochois (37)� Syndicat de PAYRAC (46)� SIE DE LA SEILLETTE (71)� S.I. COCUMONT (47)� S.I. DES EAUX DE PENNE SAINT SYLVESTRE

(47)� SIAEP des Allois (87)� SYNDICAT INTERCOMMUNAL DES EAUX DE

PEN-AR-GOAYEN (29)� SIAEPA de la Région de Crocq (23)� SIAEP DES COLLINES DU MONTMORELIEN (16)� SIAEP Saint Philbert des Champs (14)� SIAEP de VALENCAY (36)� SIAEP de Vayres-Tardoire (87)

� SI des Arbouts (40)� SIAEP BOURGUEIL (37)� SIE DE CHALON SUD EST (71)� SYNDICAT DES EAUX DE LA

BOMBARDE (42)� SYNDICAT DU JAUDY (22)� SIAEP DU SEGREEN (49)� syndicat d'AEP du QUERCY

BLANC (46)� SIE DE LA VALLEE DU SORNIN

(71)

� SMAEP EAUX DE LALOIRE (49)

Classe2 � Anglars Nozac (46)� Brugny-Vaudancourt

(51)� Montfuron (04)

� SIE du petit lac de Clairvaux(39)

� Syndicat des eaux du Lignon(42)

� SAEP de Noyer Gouttières (27)� SIAEP de la Font du Gour (16)� Sonzay (37)� Souvigné (37)� SAEP de St Aubin le Vertueux

(27)� SIAEP Ste Suzanne (53)� Syndicat des eaux du Sourd

(28)

� SIE DE TORTELET (39)� SIMAEP de BLOU (49)� SIVOM REGION DE L'ESCOTAIS (37)� LIT ET MIXE (40)� SIAEP de Nexon (87)� Syndicat de PADIRAC (46)� PLAINTEL (22)� PLOUVORN (29)� S.I. SUD DE MARMANDE (47)� SIAEP des Fosses Beth et Bellefond

(79)� Syndicat des eaux du SPERNEL (29)� Syndicat des eaux d'Hartennes-et-Taux

et de Parcy-Tigny (02)� SIVOM VALLEE DU LYS (37)� SIAEP VIGNOUX SUR BARANGEON (18)

� SIAEP Argentré Sud (53)� CDC de la vallée de l'Echelle (16)� SIE DE GROSNE ET GUYE (71)� SYNDICAT DES EAUX LAFFON DE LADEBAT (54

et 55)� Syndicat Intercommunal d'Alimentation en Eau

Potable du MARQUISAT (65)� SYNDICAT INTERCOMMUNAL DE LA PLAINE DU

FIUM'ORBU (2B)� SIE de PULLIGNY (54)� SIE DE LA REGION DE VERDUN SUR LE DOUBS

(71)� Syndicat de STE FOY la GRANDE (33)� Syndicat d'eau de Belle et Boutonne (79)� SYNDICAT INTERCOMMUNAL DES EAUX DE

CLOHARS-FOUESNANT (29)� SIAEP DE FOUSSIGNAC (16)� SIAEP de La Boeme (16)� SIAEP DE LA REGION DE SAINT CLAUD (16)� SYNDICAT DES EAUX ET D'ASSAINISSEMENT

DE PLOUENAN (29)� SIAEP DU VAL DE CISSE (41 et 37)� Syndicat du Val Saint Cyr (28)

� SIE DU BRIONNAIS (71)� SI des Eschourdes (40)� SIAEP DE PARENTIS EN BORN

(40)� SYNDICAT DE QUELARON (22)� SIE DE LA REGION

LOUHANNAISE (71)� S. GUITRES (33)� Syndicat du Blayais (33)� S.M. LA LEMANCE (47)� SYNDICAT INTERCOMMUNAL

DES EAUX DE PONT-AVEN(29)

� SYNDICAT INTERCOMMUNALDES EAUX DE RIEC-SUR-BELON (29)

� Syndicat des eaux deLANMEUR (29)

� SYNDICAT DU VALDE LOIRE (79)

� SIDENFrance

Intensité \taille


Classe3 � Autrechaux-Roide (25)� Chaux-Neuve (25)� Epannes (79)� Fraimbois (54)� Moncel-les-Luneville

(54)� Prin-Deyrançon (79)� SI de distribution d’eau

potable de VouillersSaint-Vrain (51)

� ANGRESSE (40)� AUNAY SOUS AUNEAU (28)� Chaumont sur Tharonne (41)� Syndicat de Cheux Saint

Manvieu (14)� Syndicat du Clos Morant (14)� SIEA Fessy-Lully (74)� La Boissière (34)� LA FOREST LANDERNEAU (29)� Margon (28)� MEZOS (40)� SIAEP de Monchy Lagache –

Tertry (80)� SAINT MARTIN LE BEAU (37)� SIE DE L'ABBAYE DES TROIS

ROIS (25)� SIE de SOMMERVILLER-

VITRIMONT (54)� Thiron gardais (28)� VILLANDRAUT (33)� VOID-VACON (55)

� Aiguillon (47)� SIEA de BOUTIGNY-VAYRES-SUR-

ESSONNE (91)� Syndicat intercommunal de distribution

d'eau de Broussy-le-Grand (51)� CHALONNES SUR LOIRE (49)� Syndicat Intercommunal des Eaux de

Champcueil et Envrions (91)� COMMUNE DE CHATEAUNEUF DU FAOU

(29)� LE PORGE (33)� LONGUYON (54)� Syndicat de la région du Molay Littry

(14)� MOLIETS ET MAA (40)� SYNDICAT DE LYDE (33)� SIVOM Sancerre - Saint Satur (18)� SYNDICAT DES EAUX DE LA VALLEE DU

RUPT (25)� SIAEP DE L'EST RETHELOIS (08)� SIAEP VAL DUNOIS (55)� Syndicat mixte d'études de production

et de distribution d'eau potable de lavallée de la Courance _ DISTRIBUTION(79)

� Syndicat des eaux de la vallée de laVesle (02)

� Syndicat Intercommunal des Eaux de la régiond'Angervilliers (91)

� SYNDICAT INTERCOMMUNAL D'AUXON-CHATILLON-LE-DUC (25)

� SIE DE LA BASSE DHEUNE (71)� SIE DE LA BASSE SEILLE (71)� Syndicat Intercommunal des Eaux de Boulay

(57)� COMMUNAUTE DE COMMUNES DU PAYS DE

THANN (68)� Syndicat Intercommunal d'Assainissement et

des Eaux de la Région de la FERTE-ALAIS (91)� SIAEP de la région de NAOURS (80)� SIE DU NORD DE CHALON (71)� SYNDICAT INTERCOMMUNAL d'ALIMENTATION

EN EAU POTABLE DE HEIMSBRUNN ETENVIRONS (68)

� SIVU DE L'EAU DU PLATEAU MAICHOIS (25� Syndicat Intercommunal d'Alimentation en Eau

Potable de TARBES-SUD (65)� SIE DU RECEPAGE (39)� SIE DU TOURNUGEOIS (71)� Syndicat Intercommunal des Eaux de la Vallée

de la JUINE (91)� COMMUNAUTE DE COMMUNES DE LA VALLEE

DE SAINT AMARIN (68)

� Communauté de communesde l'Agglomération saint-loise(50)

� COMMUNAUTE DECOMMUNES DE BAR-LE-DUC(55)

� SIVOM DE LA BAIE (22)� S.M.E.A. du Pic Saint Loup

(34)� Roannaise de l'Eau (42)� SIEA de CARBON- BLANC (33)� SIE DU SUD OUEST DE

CHALON (71)� COMMUNAUTE DE

COMMUNES DES ASPRES (66)� SIAEP DU VALLESPIR (66)

� Angers LoireMétropole (49)

� LILLE METROPOLECOMMUNAUTEURBAINE (59)

� Communautéd'agglomération deLimoges Métropole(87)

� NANTESMETROPOLE (44)

Classe4 � La Pretière (25) � BARBIZON (77)� CLAIRA (66)� SIVOM La Palus (34)� ORTAFFA (66)� ROUFFACH (68)� SAINT-MARTIN-DU-TERTRE

(95)� SAINT MACAIRE (33)

� FONT-ROMEU (66)� JARNAC (16)� Nemours (77)� SIE DE LA REGION DE ROCHE-LEZ-

BEAUPRE (25)� SIAEP DE LA VALLEE DE CHAUVRY (95)� Venelles – régie des eaux (13)

� COMMUNAUTE DE COMMUNES DES DEUXFLEUVES (77)

� Megève- Régie des eaux (74)� SIAEP DE MONTSOULT (95)� VESOUL (70)

� COMMUNAUTED'AGGLOMERATION DEBASTIA (2B)

� Ville de Besançon (25)� Commune de Manosque (04)� VILLE DE MEAUX (77)� Syndicat d Intercommunal u

Val d'Anzieux et de Plancieux(SIVAP) (42)

� Syndicat Intercommunal desEaux de Winborn (57)

� CU de Strasbourg(67)

� Régie des Eaux deGrenoble (38)

� PARIS (75)� Reims Métropole

(51)� SYNDICAT DES

EAUX D'ILE DEFrance (77)

� SyndicatIntercommunal dedistribution d'eaude la corniche deMaures (83)

Annexe B – Répartition des services d’assainissemen t dans la typologie proposée

Intensité \taille


Classe1 � TAILLET (66) � Clere les Pins (37)� SAINT-PE-DE-BIGORRE (65)� SIAEPA de la Région de Crocq

(23)

� PLOUEZEC (22)� S.I. COCUMONT (47)� SAINT JUST LA PENDUE (42)

� LE BARP (33)� SYNDICAT INTERCOMMUNAL DES

EAUX DE CLOHARS-FOUESNANT (29)� syndicat d'AEP du QUERCY BLANC (46)� SYNDICAT DES EAUX ET

D'ASSAINISSEMENT DEPLOUENAN (29)

� SIAEP Argentré Sud (53) � SIVOM DE LA BAIE (22)� SYNDICAT DU VAL DE LOIRE

(79)� LILLE METROPOLE

COMMUNAUTE URBAINE (59)� SIAN

Classe2 � RIVIERES (16)� SOUVIGNE (37)� Truttemer le Grand

(14)� VENTAVON (05)� Lafat (23)� Lue (40)

� Communauté de communesd'AUZANCES BELLEGARDEentité tarifaire Bellegarde enMarche (23)

� CHIZE (79)� SIEA Fessy-Lully (74)� GRAYE SUR MER (14)� JUGON LES LACS (22)� La Boissière (34)� MEZOS (40)� MONTEAUX (41)� MONTIGNAC CHARENTE (16)� Moyaux (14)� Palluau (85)� Sonzay (37)� Saint Sylvain (14)� VAIGES (53)� YGOS-SAINT-SATURNIN (40)� Margon (28)� Syndicat de RAUZAN (33)� LA FOREST LANDERNEAU

(29)� Moulon (33)� PLOUZEVEDE (29)

� SIVOM La Palus (34)� Le Crotoy (80)� MANSLE (16)� SIVOM Nord Lochois (37)� ODOS (65)� ROUILLAC (16)� ROULLET (16)� SADIRAC (33)� S.I. DES EAUX DE PENNE SAINT

SYLVESTRE (47)� Vic sur Seille (57)� VOID-VACON (55)� PLOUVORN (29)

� BEGARD (22)� SIEA de BOUTIGNY-VAYRES-SUR-

ESSONNE (91)� CLAIRA (66)� JARNAC (16)� Syndicat Intercommunal

d'Assainissement de la ValléeSupérieure de l'Ecole (77)

� Syndicat de LUDON MACAU LABARDE(33)

� Syndicat d'assainissement del'Agglomération de Saint Maixent (79)

� Syndicat de Landal (35)� Syndicat intercommunal

d'assainissement de la vallée de laClastroise (02)

� SIVOM Sancerre - Saint Satur (18)� MOLIETS ET MAA (40)� PARENTIS-EN-BORN (40)

� SIA ARLES AMELIE MONTBOLO(66)

� BISCAROSSE (40)� Syndicat Intercommunal

d'Assainissement et des Eaux dela Région de la FERTE-ALAIS (91)

� S, ARVEYRES (33)� Syndicat de STE FOY la GRANDE

(33)� SIAEP DE NEMOURS-ST PIERRE

(77)� COMMUNAUTE DE COMMUNES

DES ASPRES (66)� SYNDICAT INTERCOMMUNAL

D'AUXON-CHATILLON-LE-DUC(25)

� COMMUNAUTE DE COMMUNESDU PAYS DE THANN (68)

� Syndicat d Intercommunal u Vald'Anzieux et de Plancieux (SIVAP)(42)

� COMMUNAUTE DE COMMUNESDE LA VALLEE DE SAINT AMARIN(68)

� VESOUL (70)

� Angers Loire Métropole (49)� CU de Strasbourg (67)� Communauté d'agglomération

de Limoges Métropole (87)� HAGANIS régie de la

Communauté d'Agglomérationde METZ Métropole (57)

� NANTES METROPOLE (44)� Roannaise de l'Eau (42)

Classe3 � Plachy Buyon (80) � MAFFLIERS (95)� ORTAFFA (66)� ROCAMADOUR (46)� Moussy (51)

� MONTSURS (53)� SAINT-MARTIN-DU-TERTRE (95)� Syndicat du Clos Morant (14)� ROCHE-LEZ-BEAUPRE (25)� Thiron gardais (28)

� SIVOM VALLEE DU LYS (37)� Venelles (Régie des Eaux) (13)

� Manosque (04)� COMMUNAUTE DE COMMUNES

DES DEUX FLEUVES (77)

� COMMUNAUTED'AGGLOMERATION DE BASTIA(2B)

� Ville de Besançon (25)� PARIS (75)

Le type de réseau est représenté par :Les réseaux à dominante séparative en grasLes réseaux à dominante unitaire en italiqueLes réseaux mixtes en classique

Documents

Typologie des services d’eau et d’assainissement en France · G. Canneva Les déterminants du prix des services d’eau et d’assainissement Laboratoire GEA 3 1 Présentation