Canicule en France : jusqu’à 2600 décès estimés selon ces modélisations

La France vient de traverser une canicule historique. Paris, comme de nombreuses villes, a enregistré jusqu’à 40 à 43°C par endroits. On peut déjà estimer l’impact sanitaire sur la première partie de l’épisode.

Dans ce papier, nous présentons une estimation entre 2 081 et 2 638 décès attribuables à la chaleur sur l’ensemble des 72 plus grandes villes françaises. Et la capitale est loin d’être la plus touchée : plusieurs villes se sont révélées plus vulnérables.

*Prudence: Nos chiffres ne sont pas vérifiés et ne doivent pas remplacer un bilan officiel, comme ceux de Santé publique France.

L'une des canicules les plus intenses de l'histoire récente

Amorcée il y a 14 jours, cette vague de chaleur a frappé par sa rare intensité. Un dôme de chaleur a emprisonné le pays, atteignant son apogée le 24 juin : jamais la température à l’échelle nationale n’avait été aussi élevée. Jusqu’à 40.6°C à Paris, près de 43°C à Cognac. Même de 41.8°C à Poitiers — du jamais-vu en 105 ans de mesures pour cette station.

Records mesurés en fin de journée du 24 juin 2026. - recordpy.fr

Un bilan déjà lourd

Nos modélisation montrent déjà qu’entre le 17 juin et le 25 juin, sur 72 villes françaises, environ 2 372 morts [2 081 – 2 638] sont directement attribuables à la chaleur. Paris serait de loin là plus touchée avec 634 à 777 morts estimés, suivi de Lyon et Bordeaux. Mais c’est Limoges qui se distingue par son excès de mortalité modélisé le plus élevé 16% de décès attribuables à la chaleur sur les décès attendus à cette période de l’année. Pau, Angers, Poitiers ou encore Clermont-Ferrand et Paris la suive de près.

Des villes paient un plus lourd tribut

Le grand nombre de décès à Paris s’explique évidemment par son grand nombre d’habitants. Pour mieux comprendre à l’échelle de chaque ville, ramenons ce chiffre brut au nombre de décès attribuables à la chaleur pour 100 000 habitants.

Limoges arrive en tête avec 13 % de surmortalité liée à la chaleur par rapport aux décès attendus à cette période de l’année, devant Pau (11 %) et Clermont-Ferrand (9 %). À l’inverse, des villes pourtant bien plus au sud restent autour de 1 %, comme Montpellier, Béziers et Nîmes.

Les 65 ans et plus largement surreprésentés, sans effacer les jeunes

D’après nos modélisations, et toujours sur l’ensemble de ces 72 villes, la part des décès attribuable à la chaleur chez les 65 ans et plus représente près de 87.3 % [86.5 % – 88.4 %] du poids total, dont la moitié rien que pour les 85 ans et plus. Pour autant, les 20-44 ans ne sont pas épargnés : à Bordeaux comme à Paris, la fraction modélisée de décès attribuable à la chaleur atteint près de 1 sur 7.

Vers un bilan bien plus lourd qu'en 2003 ?

Même si ce bilan est lourd et devrait se compter en plusieurs milliers pour cet épisode, on resterait loin de la terrible canicule d’août 2003, qui avait fait 19 490 victimes en France selon les chiffres de l’EM-DAT. On atteindrait toutefois déjà le nombre de morts des vagues de chaleur de juin et juillet 2019, qui en avaient causé 1 435.

Vieillissement, chaleurs extrêmes, vulnérabilité : des territoires inégaux face au risque

Toutes ces villes ne sont donc pas égales devant le risque, et les écarts de surmortalité résultent d’une multitude de facteurs. On peut commencer avec l’écart au climat habituel brutal, comme à Limoges. Depuis début juin, sept jours consécutifs au-dessus de 35°C et surtout dix nuits tropicales d’affilée sans descendre sous les 20°C dans la la cité limousine. Des températures totalement inhabituelles pour cette région. Ces nuits sont les plus dévastatrices, car elles privent l’organisme du répit nécessaire pour évacuer la chaleur de la journée. Poitiers a connu le même phénomène, avec six nuits au-dessus de 20°C.

La comparaison avec Nîmes est éclairante. Cette ville a pourtant enregistré treize jours au-dessus de 35°C et huit nuits tropicales depuis le début du mois, davantage que Limoges, mais elle figure pourtant parmi les dernières des soixante-douze villes étudiées en termes de surmortalité dans nos modèles. La raison tient à l’habituation: Le sud dispose d’habitudes de vie plus calibrés de longue date pour la chaleur, là où Limoges affronte un risque d’une si grande force pour lequel rien n’a été pensé.

Un autre élément tient à la géographie, une ville installée dans une cuvette piégeant l’air chaud s’expose à des températures plus sévères. S’y ajoute la morphologie urbaine, où la densité du bâti, la végétation et la nature des sols amplifient l’ampleur de l’îlot de chaleur. Les surfaces minérales emmagasinent la chaleur le jour et la restituent la nuit, tandis que végétation et sols perméables rafraîchissent l’air par évapotranspiration. Clermont-Ferrand l’illustre bien, logée dans une cuvette et dotée d’un cœur dense. Le projet MApUCE à Météo-France y démontre une surchauffe atteignant jusqu’à 4.7°C par rapport à la campagne environnante.

Le dernier volet est humain. Les forts excès de mortalité observés comme à Limoges tiennent aussi au vieillissement de sa population. Entre 2011 et 2022, la part des 60 ans et plus y a progressé de 3.2 points, légèrement au-dessus de la moyenne nationale. Les inégalités pèsent dans le même sens, la pauvreté privant d’accès à la climatisation et confinant dans un habitat dégradé, l’isolement laissant des personnes seules face au danger sans entourage pour alerter. Lorsqu’une ville cumule ces fragilités sur les mêmes secteurs, la surmortalité grimpe d’autant pendant les canicules.

Méthodologie

1. Champ d'étude et limites de couverture

L’analyse porte sur les 72 aires urbaines couvertes par notre référentiel, soit environ 40 % de la population française métropolitaine. Ce périmètre ne représente pas la totalité du territoire : il exclut les villes rurales et moyennes, pourtant tout aussi exposées à cet épisode caniculaire. Par ailleurs, notre méthodologie ne couvre que la première partie de l’épisode (17-25 juin 2026). Les chiffres présentés sont donc partiels, à la fois sur le plan géographique et temporel.

2. Modèle exposition-réponse (DLNM)

2.1 Spécification

Nos calculs réutilisent les fonctions exposition-réponse de Masselot et al. (Lancet Planetary Health, 2023), construites à partir d’un modèle DLNM (Distributed Lag Non-linear Model). Pour chaque ville c et classe d’âge a, le log-risque relatif cumulé sur 21 jours de décalage (réduit à une fonction de la température) s’écrit :

ln RR(T) = ∑_j=1⁵ b_j · [ s_j(T) − s_j(T_mmt) ]

où s₁…s₅ sont les fonctions d’une B-spline quadratique (degré 2), avec :

nœuds internes aux 10ᵉ / 75ᵉ / 90ᵉ percentiles de la distribution historique de température de la ville,
nœuds-frontières au minimum et au maximum.

Cette spécification reproduit la fonction onebasis(fun = “bs”) du paquet R dlnm.

2.2 Centrage : température de mortalité minimale (Tmmt)

T_mmt = arg min_{T∈[P₁, P₉₉]} ∑_j b_j·s_j(T)

Pour la composante chaleur, seules les températures supérieures à Tmmt contribuent au risque.

2.3 Décès attribuables

Pour un jour d :

AF(d) = 1 − exp ( − ∑_j b_j·[s_j(T_d) − s_j(T_mmt)] ) si T_d > T_mmt, sinon 0

AN = ∑_c,a,d AF(c,a,d) · D(c,a) · f_saison

2.4 Mortalité de base et désaisonnalisation

D̄(c,a) = Pop_c · ∑_bins(prop_b/100 · taux_b) / 365,25

Le taux annuel ramené à un jour surestime la mortalité de juin, mois structurellement inférieur à la moyenne annuelle. On applique donc un facteur saisonnier f_saison = 0,94 (rapport mortalité journalière de juin / moyenne annuelle, d’après la répartition mensuelle des décès INSEE). Cette approximation reste en vigueur tant que la base de mortalité attendue réelle n’est pas substituée (cf. §6).

2.5 Intervalles de confiance et incertitude structurelle

L’incertitude statistique des fonctions exposition-réponse est propagée par 1 000 tirages Monte-Carlo (coef_simu.csv) : l’IC95 % correspond aux percentiles 2,5 / 97,5 du total agrégé.

Une fourchette structurelle plus large ajoute, par simulation :

le facteur saisonnier (variation 0,90-0,98),
un résiduel d’agrégation spatiale, désormais réduit à environ ±1 % (biais spatial corrigé en amont, cf. §3.1).

Note de prudence : l’IC95 % statistique suppose l’indépendance des fonctions exposition-réponse entre villes. La composante méta-analytique étant en réalité corrélée, l’incertitude réelle est probablement légèrement supérieure à celle indiquée.

2.6 Exposition (ERA5-Land, agrégation polygone)

La température moyenne journalière à 2 m est issue d’ERA5-Land (réanalyse Copernicus/ECMWF, grille 0,1°).

Pour chaque ville, l’exposition retenue est la moyenne des mailles dont le centre tombe à l’intérieur du polygone urbain URAU (Eurostat GISCO), les mailles « mer » (valeurs manquantes) étant exclues. Il s’agit de l’agrégation spatiale officielle utilisée par Masselot et al. (2023), cohérente avec la définition sur laquelle les fonctions exposition-réponse ont été calibrées.

706 des 854 villes du référentiel font l’objet d’une agrégation multi-mailles ; les villes tenant dans une seule maille (≤ 1 maille) prennent directement la valeur de cette maille — la moyenne-polygone y est alors par définition égale à la valeur de la maille.

La conversion K → °C est appliquée. La validité de l’agrégation a été contrôlée sur la climatologie officielle era5series : les cas Grenoble/Granada confirment la prise en compte du relief, les villes du Royaume-Uni (topographie plate) confirment l’équivalence centroïde ≈ polygone dans ce contexte.

3. Correction méthodologique (v3) : agrégation spatiale

3.1 Prélèvement spatial

Sur la France complète (1ᵉʳ-22 juin), l’effet de la correction est de −1,5 %. L’écart se concentre sur les villes côtières et de relief, où le centroïde tend à surestimer la température (ex. Marseille, Grenoble), et s’inverse pour quelques villes continentales.

3.2 Extrapolation hors support

De rares villes-jours (façade Atlantique, Bordeaux ~31 °C) dépassent le maximum historique de la distribution : la B-spline y est extrapolée au-delà de son domaine d’ajustement. En bornant la température à la valeur-frontière, l’écart sur le total resterait négligeable (< 0,2 décès). Nous retenons l’extrapolation libre, dont l’effet est documenté ici.

3.3 Fourchette d'incertitude totale

En combinant l’incertitude statistique des fonctions exposition-réponse, la variation du facteur saisonnier (0,90-0,98) et le résiduel d’agrégation spatiale (désormais ~±1 %, biais corrigé), la fourchette plausible totale est d’environ 323 à 445 décès.

Cette fourchette ne couvre que l’incertitude du modèle : elle n’inclut pas les biais de périmètre (couverture de 36 % de la population, fenêtre de 8 jours), qui relèvent d’une limite de cadrage et non d’une incertitude statistique (cf. §4).

3.4 Audit de Paris (45 % du total)

Paris représente 45 % du total national estimé ; une vérification dédiée a été menée. Population URAU : 9 475 853 habitants.

Décomposition par âge (valeurs brutes, exposition moyenne-polygone) :

Cohérence vérifiée : la base par âge somme à 647,4 et l’AN brut à 184,7 ; le risque relatif croît avec l’âge, signature attendue d’un épisode de chaleur.

Paris désaisonnalisé : environ 174 décès (contre ~177 en agrégation centroïde). La part élevée de Paris dans le total national reflète son poids démographique (39 % du périmètre étudié) et un pic de température au 99ᵉ percentile — ce n’est pas une anomalie de calcul.

4. Limites et biais de cadrage

Périmètre temporel. Seulement 8 jours (17-25 juin) sont couverts ; mai et la fin juin sont absents. Il s’agit d’un sous-ensemble partiel d’un épisode plus long.
Périmètre géographique. Les 72 aires urbaines représentent environ 36 % de la population ; les zones rurales et les petites villes (souvent plus âgées) sont exclues. Le total national réel est donc supérieur à nos estimations.
Millésime de la mortalité de base (~2015-2019) appliqué à 2026 : le vieillissement de la population (effet à la hausse) et la baisse des taux de mortalité par âge (effet à la baisse, amélioration sanitaire) jouent en sens opposés et se compensent largement ; l’impact net est jugé faible (cf. §6 pour la validation détaillée).
Population couverte. Seules les personnes de 20 ans et plus sont incluses, le modèle ne couvrant pas les moins de 20 ans — effet négligeable pour la mortalité liée à la chaleur.
Déplacement de mortalité (harvesting). L’indicateur « attribuable » adopte une perspective prospective (forward) et inclut des décès avancés de quelques semaines. Il est généralement supérieur à l’excès net observé sur une fenêtre courte — à garder à l’esprit lors de toute validation contre la mortalité observée (cf. §6).

L’agrégation spatiale au centroïde, qui figurait parmi les limites dans les versions précédentes de cette étude, est désormais résolue grâce à la méthode de moyenne-polygone URAU (cf. §2.6 et §3.1).