En réalité, la préparation aux catastrophes se vérifie dans les conditions d’intervention, pas dans la seule existence d’un plan. Une étude qualitative publiée en 2026 dans BMC Health Services Research analyse les difficultés rapportées par des professionnels des équipes UMKE, spécialisées dans le secours médical, intervenus lors de catastrophes en Türkiye.
Une étude publiée en 2025 dans PLOS ONE analyse les mouvements de population après le séisme de Jiuzhaigou de 2017, en Chine, à partir de données mobiles agrégées sur des cellules de 1 km sur 1 km. Le 2 juin 2026, Jamba a publié une application pilote du cadre SDRI au réseau de routes et de ponts de Bandung, en Indonésie.
Ces travaux ne mesurent pas le même objet. Le premier passe par des entretiens, le deuxième par un signal spatial collectif, le troisième par sept dimensions d’infrastructure. Cette différence distingue les difficultés de terrain, les déplacements observables et la capacité de récupération.
La réponse commence avant l’alerte.
Le séisme n’est pas le seul scénario
Pour rappel, l’étude turque vise les défis managériaux et organisationnels rencontrés par des professionnels de santé ayant participé à des interventions de catastrophe en Türkiye. Les chercheurs ont mené des entretiens approfondis, puis utilisé une analyse thématique.
Cinq thèmes ressortent: pénuries de logistique et d’équipements, conditions de travail et formation, sensibilisation sociale, défauts de coordination, de communication et d’organisation, structure institutionnelle et renforcement des capacités locales. Ils relient la réponse médicale à l’accès au site, aux moyens disponibles et à l’organisation locale.
La route cassée est déjà une urgence médicale

Surtout, les professionnels interrogés signalent des dommages routiers qui entravent le transport et des plans de transport alternatifs insuffisants. Le problème apparaît avant l’arrivée des équipes sur le terrain.
Ils décrivent aussi des formations pas entièrement adaptées aux conditions réelles, des pénuries de logistique et d’équipement, ainsi que des défauts de coordination et de communication qui perturbent les interventions. La faible sensibilisation du public figure dans les mêmes résultats, avec le soutien psychosocial et l’éducation communautaire parmi les composantes à développer.
La portée du résultat reste celle d’une étude qualitative. Les entretiens rendent visibles des difficultés vécues, mais ne permettent ni de mesurer leur fréquence dans toutes les équipes ni d’attribuer une mauvaise intervention à un facteur isolé.
Les téléphones peuvent montrer la sortie, pas le motif
Les téléphones peuvent montrer une sortie collective sans expliquer le motif. Dans l’étude publiée en 2025 dans PLOS ONEles données disponibles sont agrégées spatialement sur des grilles de 1 km sur 1 km, en raison des contraintes de confidentialité. Elles ne contiennent pas les mouvements explicites de chaque personne.
Les auteurs appliquent une analyse en fonctions orthogonales empiriques, ou EOF, à la phase qui suit le séisme de Jiuzhaigou. Le premier mode présente des anomalies centrées sur la vallée; sa composante principale baisse de minuit à 20 h, ce qui indique une sortie continue de population de la vallée.
Le deuxième mode fait apparaître des anomalies négatives dans la vallée et sur la route au sud-ouest, ainsi que des anomalies positives sur deux axes. L’un relie la vallée de Jiuzhaigou à Shuanghe; l’autre part de la place du gouvernement de Chuanzhusi vers l’ouest de Chuanzhusi. Les auteurs infèrent deux directions probables: vers le nord-ouest depuis la place, et vers le sud-est depuis la vallée en passant par Shuanghe.
Par rapport à BBAC_I, l’EOF repère mieux les zones d’impact et les directions d’évacuation. Il s’agit toutefois d’une inférence à partir de comptages agrégés. La méthode ne reconstitue ni une trajectoire individuelle ni la raison d’un déplacement.
Bandung répare vite, mais anticipe mal

Autre angle: le cadre SDRI évalue séparément l’anticipation et la récupération. L’article publié dans Jamba le 2 juin 2026 présente son application pilote au réseau de routes et de ponts de Bandung. Les chercheurs utilisent des données secondaires de la municipalité, de l’agence nationale de gestion des catastrophes et du bureau central des statistiques, complétées par une interprétation d’experts.
Le cadre couvre sept dimensions: risque, vulnérabilité, résistance, temps de récupération, social, économie et environnement. Le résumé rapporte 0,00 pour le risque, 0,43 pour la vulnérabilité, 1,50 pour l’économie, 3,29 pour le temps de récupération et 3,62 pour la dimension sociale.
Le profil est déséquilibré. Les capacités réactives liées au temps de récupération et au social ressortent mieux que les composantes proactives liées au risque et à la vulnérabilité. Le résumé mentionne aussi une fragilité économique et l’absence de planification intégrée fondée sur les aléas.
Ces notes décrivent une application pilote au réseau étudié à Bandung. Leur intérêt est de séparer la capacité à rétablir une fonction après une perturbation de la capacité à réduire le risque avant qu’elle survienne.
Le plan sérieux se teste avant la crise
Ces études ne forment pas une recette unique. Elles donnent une grille de vérification pour un plan local:
- Faire parcourir les itinéraires alternatifs aux équipes et documenter les points d’accès bloqués. Les dommages routiers et les plans de remplacement insuffisants sont un constat direct de l’étude UMKE.
- Mettre les formations à l’épreuve des conditions réelles. Les exercices doivent vérifier si les équipes peuvent agir lorsque le terrain ne correspond plus aux hypothèses du manuel.
- Attribuer les décisions et les canaux de communication avant l’intervention. Les défauts de coordination et d’organisation relevés en Türkiye doivent devenir des points de contrôle précis.
- Utiliser les données mobiles comme un indicateur collectif. La taille des cellules, l’agrégation et la méthode EOF doivent rester visibles afin de ne pas transformer un signal spatial en trajectoire individuelle.
- Séparer le risque, la vulnérabilité et le temps de récupération dans l’évaluation d’un réseau. Le cas de Bandung montre l’intérêt de distinguer la prévention de la remise en service.
- Associer la population à la préparation. La sensibilisation, l’éducation communautaire et le soutien psychosocial font partie des capacités à développer dans l’étude turque.
Une route mesure l’accès, une grille mobile mesure une variation de population, un cadre SDRI distingue les dimensions d’un réseau. Un exercice qui les met en regard peut révéler un défaut avant l’intervention, quand le plan peut encore être modifié.
Le plan survit au terrain.
Sources et références scientifiques
- Disaster management in Türkiye: a qualitative study on healthcare professionals – PMC. BMC health services research. DOI: 10.1186/s12913-026-14616-w · PMID: 42035114.
- 1.World Health Organization. Psychosocial consequences of disasters: Prevention and management [Internet]. Geneva. 1992. [cited February 21, 2025] Available from:.
- 2.United Nations Office for Disaster Risk Reduction (UNDRR). UNISDR terminology on disaster risk reduction [Internet]. Geneva. 2009. [cited March 30, 2026] Available from:.
- 3.Ünsal H, Atabey SE. The health care financing presented in emergency and natural disasters in Turkey. Suleyman Demirel Univ J Fac Econ Admin Sci. 2016;21(4):1127-38. [Google Scholar].
- 4.Linardos V, Drakaki M, Tzionas P, Karnavas YL. Machine learning in disaster management: Recent developments in methods and applications. Mach Learn Knowl Extr. 2022;4(2):446-73. 10.3390/make4020020. [Google Scholar]. doi:10.3390/make4020020.
- 5.Ashcroft J, Byrne MH, Brennan PA, Davies RJ. Preparing medical students for a pandemic: A systematic review of student disaster training programmes. Postgrad Med J. 2021;97(1148):368-79. 10.1136/postgradmedj-2020-137906. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1136/postgradmedj-2020-137906.
- 6.Hao F, Xiao Q, Chon K. COVID-19 and China’s hotel industry: Impacts, a disaster management framework, and post-pandemic agenda. Int J Hosp Manag. 2020;90:102636. 10.1016/j.ijhm.2020.102636. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/j.ijhm.2020.102636.
- 7.Kim J, Ashihara K. National disaster management system: COVID-19 case in Korea. Int J Environ Res Public Health. 2020;17(18):6691. 10.3390/ijerph17186691. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3390/ijerph17186691.
- 8.Oktari RS, Munadi K, Idroes R, Sofyan H. Knowledge management practices in disaster management: systematic review. Int J Disaster Risk Reduct. 2020;51:101881. 10.1016/j.ijdrr.2020.101881. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/j.ijdrr.2020.101881.
- artoff SE, Kropp AM, Roman P. Disaster planning. Treasure Island, FL: StatPearls Publishing; 2023. [PubMed] [Google Scholar].
- 10.United Nations. The sustainable development goals report 2024 [Internet]. New York. 2024. [cited February 24, 2025] Available from:.
- 11.AFAD. About [Internet]. Ankara: 2021. [cited July 2, 2025] Available from:.
- 12.AFAD. Disaster statistics [Internet]. Ankara: 2025. [cited October 13, 2025] Available from:.
- Analysis of disaster-affected population mobility through grid-aggregated mobile location data: The 2017 Jiuzhaigou earthquake, China – PMC. PloS one. DOI: 10.1371/journal.pone.0335415 · PMID: 41160561.
- 1.Butuzova AB, Dolgikh VI. Study of the target structure of transport mobility of the population on the example of Irkutsk. jour. 2023;4(3):322-31. doi: 10.46684/2687-1033.2023.3.322-33 [DOI] [Google Scholar]. doi:10.46684/2687-1033.2023.3.322-33.
- 2.Opdyke A, Lepropre F, Javernick-Will A, Koschmann M. Inter-organizational resource coordination in post-disaster infrastructure recovery. Construction Management and Economics. 2016;35(8-9):514-30. doi: 10.1080/01446193.2016.1247973 [DOI] [Google Scholar]. doi:10.1080/01446193.2016.1247973.
- 3.Hu L, Fang Z, Zhang M, Jiang L, Yue P. Facilitating typhoon-triggered flood disaster-ready information delivery using SDI services approach, A case study in Hainan. Remote Sens. 2022;14(8):1832. [Google Scholar].
- 4.Liu C, Chen Y, Wei Y, Chen F. Spatial Population Distribution Data Disaggregation Based on SDGSAT-1 Nighttime Light and Land Use Data Using Guilin, China, as an Example. Remote Sensing. 2023;15(11):2926. doi: 10.3390/rs15112926 [DOI] [Google Scholar]. doi:10.3390/rs15112926.
- 5.Li J, He Z, Plaza J, Li S, Chen J, Wu H, et al. Social Media: New Perspectives to Improve Remote Sensing for Emergency Response. Proc IEEE. 2017;105(10):1900-12. doi: 10.1109/jproc.2017.2684460 [DOI] [Google Scholar]. doi:10.1109/jproc.2017.2684460.
- 6.Yao K, Yang S, Tang J. Rapid assessment of seismic intensity based on Sina Weibo, A case study of the changning earthquake in Sichuan Province, China. International Journal of Disaster Risk Reduction. 2021;58:102217. doi: 10.1016/j.ijdrr.2021.102217 [DOI] [Google Scholar]. doi:10.1016/j.ijdrr.2021.102217.
- 7.Kawade SS, Akant K. Real Time Image Processing System for Crop Segmentation. In: 2021 6th International Conference for Convergence in Technology (I2CT), 2021:1-6. doi: 10.1109/i2ct51068.2021.9417921 [DOI] [Google Scholar]. doi:10.1109/i2ct51068.2021.9417921.
- 8.Lu Z, Long Z, Xia J, An C. A Random Forest Model for Travel Mode Identification Based on Mobile Phone Signaling Data. Sustainability. 2019;11(21):5950. doi: 10.3390/su11215950 [DOI] [Google Scholar]. doi:10.3390/su11215950.
- 9.Yabe T, Jones NKW, Rao PSC, Gonzalez MC, Ukkusuri SV. Mobile phone location data for disasters: A review from natural hazards and epidemics. Computers, Environment and Urban Systems. 2022;94:101777. doi: 10.1016/penvurbsys.2022.101777 [DOI] [Google Scholar]. doi:10.1016/j.compenvurbsys.2022.101777.
- 10.Yabe T, Tsubouchi K, Sudo A, Sekimoto Y. A framework for evacuation hotspot detection after large scale disasters using location data from smartphones. In: Proceedings of the 24th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, 2016. 1-10. doi: 10.1145/2996913.2997014 [DOI] [Google Scholar]. doi:10.1145/2996913.2997014.
- 11.Wilson R, Zu Erbach-Schoenberg E, Albert M, Power D, Tudge S, Gonzalez M, et al. Rapid and Near Real-Time Assessments of Population Displacement Using Mobile Phone Data Following Disasters: The 2015 Nepal Earthquake. PLoS Curr. 2016;8. doi: 10.1371/currents.dis.d073fbece328e4c39087bc086d694b5c [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1371/currents.dis.d073fbece328e4c39087bc086d694b5c.
- 12.Duan Z, Lei Z, Zhang M, Li W, Fang J, Li J. Understanding evacuation and impact of a metro collision on ridership using large‐scale mobile phone data. IET Intelligent Trans Sys. 2017;11(8):511-20. doi: 10.1049/iet-its.2016.0112 [DOI] [Google Scholar]. doi:10.1049/iet-its.2016.0112.
- Firdaus A, Pribadi KS, Abduh M, Sagala SA.. Pilot application of a sustainable and disaster-resilient infrastructure assessment framework: Evidence from Bandung, Indonesia.. Jamba (Potchefstroom, South Africa). 2026. DOI: 10.4102/jamba.v18i1.2034 · PMID: 42428141. (résumé scientifique structuré; texte intégral non fourni)
- Mon premier road-trip en camping-car a tourné au fiasco : mes conseils pour ne pas faire les mêmes erreurs. 2026.




