Les lois de puissance amplifiées par la distance caractérisent mieux les déplacements longue distance humains

Pourquoi la manière dont nous voyageons loin importe

Lorsque des personnes effectuent de longs trajets — en train, en voiture ou en avion — elles relient villes, économies et familles. Mais ces mêmes trajets peuvent aussi transporter des virus à travers un pays en quelques jours. Cette étude pose une question apparemment simple : quelle est la longueur réelle de nos longs déplacements, et suivent-ils les schémas que les scientifiques ont longtemps supposés ? La réponse est non, et cela a d’importantes conséquences pour la prévision de la propagation des maladies et la planification des systèmes de transport.

Les anciennes règles du déplacement montrent leurs limites

Pendant des années, les chercheurs ont utilisé une règle mathématique simple, appelée loi de puissance, pour décrire la distance parcourue par les personnes. Dans ce schéma, les courts trajets sont très fréquents et les très longs trajets sont rares, mais ils suivent un motif régulier sur un graphique log–log. Cette règle fonctionne assez bien pour les déplacements quotidiens comme la marche, le vélo ou le bus local. En s’appuyant sur d’immenses enquêtes nationales d’Allemagne et des États-Unis, les auteurs confirment que les trajets courts et moyens s’alignent effectivement sur cette image classique. Mais lorsqu’ils examinent les trajets de plusieurs centaines de kilomètres — ceux qui sont les plus susceptibles de transporter un virus entre régions — le modèle mathématique se détache soudainement de ce que la loi de puissance prédit.

Des preuves issues de millions de trajets réels

L’équipe combine trois grandes sources de données : des carnets de voyage détaillés totalisant près de deux millions de trajets déclarés en Allemagne et aux États-Unis, plus plus d’un million de parcours déduits à partir de connexions de téléphones mobiles au Royaume-Uni. Pour chaque pays, ils se concentrent sur les trajets d’au moins 100 kilomètres (ou 300 kilomètres pour les États‑Unis, plus vastes). Quand ils tracent ces déplacements longue distance, la signature en ligne droite d’une loi de puissance disparaît. À la place, il y a plus de voyages très éloignés que prévu, et la courbe change de forme à certaines distances, par exemple autour de 200–300 kilomètres dans les données britanniques. Ce n’est pas un simple artefact statistique : des sauts « trop longs » similaires apparaissent lorsque les auteurs examinent la propagation de la COVID‑19 entre les comtés allemands au milieu de 2021. De nouveaux foyers surgissent soudainement dans des régions éloignées, au lieu de rayonner progressivement depuis des zones d’épidémie antérieures, ce qui contredit la prédiction du modèle traditionnel.

Une nouvelle façon de penser les longs trajets

Pour expliquer ce comportement, les auteurs proposent un nouveau modèle qu’ils nomment distribution de loi de puissance amplifiée par la distance. L’idée est intuitive : une fois qu’une personne s’engage à parcourir une distance substantielle — par exemple pour atteindre une grande gare ou un aéroport — elle est plus susceptible de continuer beaucoup plus loin. Mathématiquement, le modèle part d’une loi de puissance standard en distance, puis l’« amplifie » à plusieurs reprises par un facteur fixe avec une certaine probabilité, comme multiplier la distance par C, puis par C à nouveau, et ainsi de suite. Ce processus produit naturellement des regroupements de trajets autour de bandes de distances particulières et une queue plus lourde, ce qui signifie que les voyages extra‑longs sont plus fréquents que ne le suggère la théorie classique. Les auteurs ajoutent aussi un plafond réaliste pour chaque trajet basé sur la taille du pays, reproduisant le fait que la plupart des déplacements commencent et se terminent à l’intérieur des frontières nationales.

Mettre le nouveau modèle à l’épreuve

Les chercheurs comparent trois approches : une loi de puissance avec une coupure exponentielle simple, une loi de puissance avec leur troncature prenant en compte les frontières, et le modèle complet amplifié par la distance. Ils simulent des dizaines de milliers de trajets pour chaque modèle et mesurent dans quelle mesure les distributions obtenues correspondent aux données réelles sur des centaines de points de distance. Bien que les deux variantes améliorées de la loi de puissance fassent mieux que le modèle de base, elles manquent encore des caractéristiques clés, en particulier la densité accrue de trajets à certaines longues distances. Le modèle amplifié par la distance s’ajuste systématiquement le mieux pour les trois pays, réduisant l’erreur bien en dessous de celle des modèles concurrents. D’autres familles alternatives, non basées sur la loi de puissance — comme les distributions gamma, exponentielle, log‑normale et bêta — ont également été testées mais n’ont pas réussi à rendre compte des queues lourdes et des inflexions caractéristiques des données.

Ce que cela signifie pour la vie quotidienne

En termes simples, ce travail montre que les gens effectuent des trajets vraiment longs plus souvent — et de manière plus structurée — que ne le reconnaissaient nos anciennes formules. Cela importe parce que les longs déplacements sont précisément ceux qui peuvent propager des infections, redistribuer la pollution et remodeler les économies régionales. En fournissant une description mathématique simple mais plus précise de ces déplacements, le modèle amplifié par la distance peut améliorer la simulation des futures pandémies, la planification des réseaux ferroviaires et aériens, et l’estimation des émissions liées à la mobilité. Plutôt que de traiter tout mouvement comme des versions étendues des courses locales, cette étude soutient que le voyage longue distance est une catégorie à part, mûe par des décisions et des contraintes qui nécessitent leur propre modèle dédié.

Citation: Bankhamer, G., Liu, H., Park, S. et al. Distance-amplified power-law distributions better characterize human long-distance travel. Sci Rep 16, 4331 (2026). https://doi.org/10.1038/s41598-026-37165-y

Mots-clés: mobilité humaine, voyage longue distance, propagation épidémique, modélisation de la mobilité, COVID-19