Site en construction : la documentation présente dans ce site n’est pas exhaustive pour le moment

logo BDNB logo BDNB Millésime 2026-02.b
  • Concepts
    • La BDNB
    • Bâtiment groupe
    • Le RNB et la BDNB
    • Millésimes et version du schéma
    • Pourquoi des prédictions probabilistes ?
  • Données par thème
    • Vue d’ensemble

    • Bâti, foncier et adresses
    • Référentiels territoriaux
    • Activités, équipements et usages
    • Bâtiments tertiaires
    • Énergie et environnement
    • Logement et marché immobilier
    • Sobriété immobilière
    • Patrimoine et urbanisme
    • Exposition aux aléas
    • Vulnérabilité des personnes

    • Métadonnées
  • Productions BDNB
    • Vue d’ensemble

    • Usages des bâtiments
    • Flux de construction
    • Bâtiments tertiaires
    • Contexte géographique
    • Référentiel administratif

    • Traitement des DPE ADEME
    • Prédiction des performances énergétiques
    • Raccordement aux réseaux de chaleur
    • Valeur foncière et valeur verte des DPE

    • Adaptation au changement climatique
    • Indicateur de surchauffe estivale (ISB)
    • Îlot de chaleur urbain (ICU)
    • Exposition aux aléas

    • Description socio-économique des ménages
  • Recettes
  • FAQ
  • Dictionnaire
    • Dictionnaire interactif
    • Schéma SQL (SchemaSpy)
    • Dictionnaire des données (.xlsx)
  • API
    • Tutoriels
    • Guides
    • Swagger API Open
    • Swagger API Expert
    • Statut
    • Souscrire
  • Releases
    • Télécharger les données
    • Changelog
  • Publications
  1. Recettes
  2. Identifier les logements et les populations exposées
  • Recettes
    • Compter les bouilloires thermiques
    • Compter les chaudières fioul
    • Comment estimer le nombre de personnes vivant dans des bouilloires thermiques
    • Comment compter les passoires énergétiques
    • Croiser des prédictions avec les tirages aléatoires
    • Identifier les logements et les populations exposées
    • Comment accéder aux données de mon parc
    • Trouver les établissements d’éducation
    • Estimer le niveau de vie moyen dans une zone

Sur cette page

  • Compter les bâtiments concernés
  • Étendre l’analyse

Other Formats

  • Jupyter
  1. Recettes
  2. Identifier les logements et les populations exposées

Identifier les logements et les populations exposées

Open
Repérer, par commune, les bâtiments concernés par certains aléas naturels.
NotePrérequis

Millésime de référence minimum pour cette recette : 2026-02.b.

Vous devez avoir accès aux tables suivantes :

  • batiment_groupe

  • batiment_groupe_risques

La table batiment_groupe_risques décrit plusieurs aléas au niveau du groupe de bâtiments. Cette recette dénombre, dans une commune, les bâtiments pour lesquels un niveau d’aléa est renseigné. Elle ne constitue pas une analyse de risque : elle ne combine ni la vulnérabilité des personnes ni les enjeux exposés.

Compter les bâtiments concernés

L’exemple porte sur Aix-en-Provence (13001) et distingue les aléas de débordement de cours d’eau et de retrait-gonflement des argiles. Les lignes dont le niveau est nul ne sont pas comptées comme une absence d’aléa : elles indiquent une information non renseignée.

  • SQL
  • Python (pandas)
  • API
SELECT
    bg.code_commune_insee,
    risques.alea_debordement,
    risques.alea_argile,
    COUNT(DISTINCT bg.batiment_groupe_id) AS nombre_batiments
FROM bdnb_v07.batiment_groupe AS bg
JOIN bdnb_v07.batiment_groupe_risques AS risques
    ON risques.batiment_groupe_id = bg.batiment_groupe_id
   AND risques.code_departement_insee = bg.code_departement_insee
WHERE bg.code_commune_insee = '13001'
  AND (risques.alea_debordement IS NOT NULL OR risques.alea_argile IS NOT NULL)
GROUP BY
    bg.code_commune_insee,
    risques.alea_debordement,
    risques.alea_argile
ORDER BY risques.alea_debordement, risques.alea_argile;
import pandas as pd
from sqlalchemy import create_engine

engine = create_engine("postgresql+psycopg2://<utilisateur>:<mot_de_passe>@<hote>/<base>")

sql = """
SELECT
    bg.code_commune_insee,
    risques.alea_debordement,
    risques.alea_argile,
    COUNT(DISTINCT bg.batiment_groupe_id) AS nombre_batiments
FROM bdnb_v07.batiment_groupe AS bg
JOIN bdnb_v07.batiment_groupe_risques AS risques
    ON risques.batiment_groupe_id = bg.batiment_groupe_id
   AND risques.code_departement_insee = bg.code_departement_insee
WHERE bg.code_commune_insee = %(commune)s
  AND (risques.alea_debordement IS NOT NULL OR risques.alea_argile IS NOT NULL)
GROUP BY
    bg.code_commune_insee,
    risques.alea_debordement,
    risques.alea_argile
ORDER BY risques.alea_debordement, risques.alea_argile;
"""

exposition = pd.read_sql(sql, engine, params={"commune": "13001"})

L’API permet de récupérer les aléas ouverts par bâtiment. Pour limiter la réponse au département, remplacez 13 par le code départemental recherché ; pour une commune, filtrez ensuite les identifiants à partir de la table batiment_groupe.

import requests
import pandas as pd

response = requests.get(
    "https://api.bdnb.io/v1/bdnb/donnees/batiment_groupe_risques",
    params={
        "select": "batiment_groupe_id,code_departement_insee,alea_debordement,alea_argile",
        "code_departement_insee": "eq.13",
        "limit": 10000,
    },
    headers={"X-Gravitee-Api-Key": "<votre-clef-api>"},
    timeout=30,
)
response.raise_for_status()
risques = pd.DataFrame(response.json())

Étendre l’analyse

La table contient également les champs alea_radon, alea_submersion_marine et alea_ruissellement. Pour analyser les aléas sismiques ou les catégories de hauteur associées au risque sismique, vérifiez les droits d’accès : certaines colonnes de la table sont réservées à la version Expert. Les modalités et la couverture varient selon l’aléa ; conservez les valeurs nulles comme catégorie distincte lors d’une synthèse.

 

Base de Données Nationale des Bâtiments (BDNB) - Centre Scientifique et technique du Bâtiment (CSTB). Réutilisation des contenus : CC BY-SA 4.0