Mise à jour des limites administratives du Burkina Faso selon la réforme de 2025

Tutoriel pratique avec R et sf pour actualiser les limites administratives du Burkina Faso selon la réforme territoriale de 2025.

Auteur·rice

NEBIE G.C.

Date de publication

2 septembre 2025

Résumé

Cet article présente une méthodologie reproductible pour mettre à jour les limites administratives du Burkina Faso suite à la réforme territoriale de 2025. Grâce à R et au package sf, nous passons de l’ancien découpage (13 régions et 45 provinces) au nouveau (17 régions et 47 provinces) en appliquant une série d’opérations spatiales simples et robustes.

Note importante

Les couches produites dans ce tutoriel sont destinées uniquement à des usages pédagogiques et analytiques.
Elles ne se substituent en aucun cas aux données officielles diffusées par l’Institut Géographique du Burkina Faso (IGB), seule institution habilitée à publier les limites administratives de référence.

Introduction

Le Burkina Faso a récemment entrepris une réforme administrative majeure avec la publication des décrets N°2025-1003/PF/PRIM/MATM/MEF portant changement de dénomination de provinces et de régions circonscriptions administratives et N°2025-1012/PF/PRIM/MATM/MEF portant réorganisation du territoire national en circonscriptions administratives. Ces textes officiels réorganisent complètement le territoire national, faisant passer le pays de 13 à 17 régions et de 45 à 47 provinces.

Méthodologie

Notre workflow se déroule en 4 étapes principales :

Associer départements → provinces → régions à l’aide de jointures spatiales sur les centroïdes.
Appliquer les changements de noms et créer les nouvelles entités administratives selon les décrets.
Agréger les géométries des départements pour obtenir les nouvelles provinces et régions.
Valider les géométries, sauvegarder les résultats et comparer l’ancien et le nouveau découpage.

Mise en œuvre

Chargement des packages et données

Afficher le code

# Chargement des packages pour l'analyse spatiale et la visualisation
library(sf)          # Géotraitement des données spatiales
library(tidyverse)   # Manipulation de données
library(ggplot2)     # Visualisation graphique
library(patchwork)   # Combinaison de graphiques
library(RColorBrewer)

Importons les anciennes couches administratives :

Afficher le code

region <- st_read("data/ADM_Region.shp")
province <- st_read("data/ADM_Province.shp")
departement <- st_read("data/ADM_Commune.shp")

Bonnes pratiques :

Vérifier les systèmes de coordonnées (st_crs()) avant toute jointure.
Harmoniser si nécessaire pour éviter les décalages.

Afficher le code

st_crs(departement) == st_crs(province)

[1] TRUE

Afficher le code

st_crs(region) == st_crs(province)

[1] TRUE

Observons les noms des colonnes de nos fichiers :

Afficher le code

colnames(region)

[1] "Nom"        "SHAPE_Leng" "SHAPE_Area" "geometry"

Afficher le code

colnames(province)

[1] "Nom"        "SHAPE_Leng" "SHAPE_Area" "geometry"

Afficher le code

colnames(departement)

[1] "Nom"        "SHAPE_Leng" "SHAPE_Area" "geometry"

Sélection et renommage des colonnes pour plus de clarté

Afficher le code

region <- region %>% 
  select(Nom) %>% 
  rename(Nom_region = Nom)

province <- province %>% 
  select(Nom) %>% 
  rename(Nom_province = Nom)

departement <- departement %>% 
  select(Nom) %>% 
  rename(Nom_departement = Nom)

Association des départements aux provinces et régions

Nous utilisons les centroïdes des départements pour établir les correspondances.

Afficher le code

# Calcul des centroïdes des départements
centroides_departement <- st_centroid(departement)

# Jointure spatiale pour associer les départements aux provinces
appariement <- st_join(centroides_departement, province, join = st_within)

# Jointure spatiale pour associer les départements aux régions
appariement <- st_join(appariement, region, join = st_within)

Vérifions les cas où la jointure n’a pas fonctionné :

Afficher le code

appariement %>%
  filter(is.na(Nom_province) | is.na(Nom_region))

Simple feature collection with 1 feature and 3 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -3.948516 ymin: 13.37667 xmax: -3.948516 ymax: 13.37667
Geodetic CRS:  WGS 84
  Nom_departement Nom_province Nom_region                   geometry
1         KOMBORI         <NA>       <NA> POINT (-3.948516 13.37667)

La commune de KOMBORI n’est pas correctement associée.

Nous corrigeons manuellement :

Afficher le code

appariement <- appariement %>%
  mutate(Nom_province = case_when(
     Nom_departement == "KOMBORI" ~ "KOSSI",
    .default = Nom_province
  ),
  Nom_region = case_when(
    Nom_departement == "KOMBORI" ~ "BOUCLE DU MOUHOUN",
    .default = Nom_region)
  )

Enfin, ajoutons les colonnes aux départements :

Afficher le code

departement <- departement %>%
  mutate(Nom_province = appariement$Nom_province,
         Nom_region = appariement$Nom_region)

Mise à jour des provinces

Application des changements selon les décrets :

Afficher le code

# Création de la variable Nom_province_nouveau
departement <- departement %>%
  mutate(Nom_province_nouveau = case_when(
    # Création des nouvelles provinces
    Nom_departement %in% c("BOTOU", "KANTCHARI") ~ "DYAMONGOU",
    Nom_departement %in% c("ARBINDA", "KOUTOUGOU") ~ "KARO PELI",
    # Renommage des provinces existantes
    Nom_province == "KOSSI" ~ "KOOSIN",
    Nom_province == "OUBRITENGA" ~ "BASSITENGA",
    Nom_province == "SANMATENGA" ~ "SANDBONDTENGA",
    Nom_province == "SOUM" ~ "DJELGODJI",
    Nom_province == "TAPOA" ~ "GOBNANGOU",
    # Conservation des noms existants pour les autres
    .default = Nom_province
  ))

Vérification :

Afficher le code

# Vérification du nombre de provinces
length(unique(departement$Nom_province_nouveau))

[1] 47

Nous avons bel et bien 47 provinces.

Mise à jour des régions

Même logique pour les régions :

Afficher le code

# Création de la variable Nom_region_nouveau
departement <- departement %>%
  mutate(Nom_region_nouveau = case_when(
    # Création des nouvelles régions
    Nom_province_nouveau %in% c("GNAGNA", "KOMANDJARI") ~ "SIRBA",
    Nom_province_nouveau %in% c("DJELGODJI", "KARO PELI") ~ "SOUM",
    Nom_province_nouveau %in% c("SOUROU", "KOOSIN", "NAYALA") ~ "SOUROU",
    Nom_province_nouveau %in% c("DYAMONGOU", "GOBNANGOU") ~ "TAPOA",
    # Renommage des régions existantes
    Nom_region == "BOUCLE DU MOUHOUN" ~ "BANKUI",
    Nom_region == "CASCADES" ~ "TANNOUNYAN",
    Nom_region == "CENTRE" ~ "KADIOGO",
    Nom_region == "CENTRE-EST" ~ "NAKAMBE",
    Nom_region == "CENTRE-NORD" ~ "KOULSE",
    Nom_region == "CENTRE-OUEST" ~ "NANDO",
    Nom_region == "CENTRE-SUD" ~ "NAZINON",
    Nom_region == "EST" ~ "GOULMOU",
    Nom_region == "HAUTS-BASSINS" ~ "GUIRIKO",
    Nom_region == "NORD" ~ "YAADGA",
    Nom_region == "PLATEAU-CENTRAL" ~ "OUBRI",
    Nom_region == "SAHEL" ~ "LIPTAKO",
    Nom_region == "SUD-OUEST" ~ "DJORO"
  ))

Vérifications :

Afficher le code

# Vérification du nombre de régions
length(unique(departement$Nom_region_nouveau))

[1] 17

Suppression des anciennes colonnes de province et région :

Afficher le code

departement <- departement %>%
  select(-c(Nom_province, Nom_region))

Agrégation et création des nouvelles couches

Nous agrégeons les départements pour former les nouvelles provinces et régions.

Afficher le code

# Provinces
nouvelles_provinces <- departement %>%
  group_by(Nom_province_nouveau) %>%
  summarize(geometry = st_union(geometry))

# Régions
nouvelles_regions <- departement %>%
  group_by(Nom_region_nouveau) %>%
  summarize(geometry = st_union(geometry))

# Validation
nouvelles_provinces <- st_make_valid(nouvelles_provinces)
nouvelles_regions <- st_make_valid(nouvelles_regions)

Validation et sauvegarde

Afficher le code

# Validation des géométries
nouvelles_provinces <- st_make_valid(nouvelles_provinces)
nouvelles_regions <- st_make_valid(nouvelles_regions)

Afficher le code

# Sauvegarde des nouvelles couches
st_write(nouvelles_provinces, "outputs/nouvelles_provinces.shp", delete_dsn = TRUE)
st_write(nouvelles_regions, "outputs/nouvelles_regions.shp", delete_dsn = TRUE)
st_write(departement, "outputs/departements_actualises.shp", delete_dsn = TRUE)

Visualisation

Nous comparons les anciennes et nouvelles cartes des régions.

Carte des nouvelles provinces :

Warning: st_centroid assumes attributes are constant over geometries

Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
give correct results for longitude/latitude data

Cartographie avec R

Les cartes présentées ci-dessus illustrent simplement nos résultats.

Avec R, il est possible d’aller bien plus loin : - création de cartes thématiques (indices socio-économiques, densité de population, ressources naturelles),
- production de cartes interactives avec mapview ou leaflet,
- mise en forme avancée avec tmap ou ggspatial.

Conclusion

Cet article a présenté une méthodologie pour mettre à jour les limites administratives du Burkina Faso suite à la réforme de 2025. Nous avons utilisé des techniques de jointure spatiale, de regroupement et de validation de géométries. Les nouvelles couches sont maintenant prêtes à être utilisées dans des analyses spatiales.

Le code complet et les données sont disponibles sur GitHub : https://github.com/ngastoncyrille/02_limites_administrative

Pour aller plus loin

Prochaines étapes

Intégration des données démographiques par nouvelle entité
Calcul d’indices de développement territorial

Packages utiles complémentaires

tmap pour la cartographie thématique
mapview pour la visualisation interactive
units pour la gestion des unités de mesure

Références techniques

--- title: "Mise à jour des limites administratives du Burkina Faso selon la réforme de 2025" author: "NEBIE G.C." date: today format: html: toc: true toc-depth: 3 toc-title: "Sommaire" code-fold: true code-summary: "Afficher le code" code-tools: true theme: cosmo lang: fr abstract: | Cet article présente une méthodologie reproductible pour mettre à jour les limites administratives du Burkina Faso suite à la réforme territoriale de 2025. Grâce à R et au package `sf`, nous passons de l’ancien découpage (13 régions et 45 provinces) au nouveau (17 régions et 47 provinces) en appliquant une série d’opérations spatiales simples et robustes. description: "Tutoriel pratique avec R et sf pour actualiser les limites administratives du Burkina Faso selon la réforme territoriale de 2025." --- ::: {.callout-tip title="Note importante"} Les couches produites dans ce tutoriel sont destinées uniquement à des usages **pédagogiques et analytiques**. Elles ne se substituent en aucun cas aux données officielles diffusées par l’**Institut Géographique du Burkina Faso (IGB)**, seule institution habilitée à publier les limites administratives de référence. ::: # Introduction Le Burkina Faso a récemment entrepris une réforme administrative majeure avec la publication des décrets **_N°2025-1003/PF/PRIM/MATM/MEF portant changement de dénomination de provinces et de régions circonscriptions administratives_** et **_N°2025-1012/PF/PRIM/MATM/MEF portant réorganisation du territoire national en circonscriptions administratives_**. Ces textes officiels réorganisent complètement le territoire national, faisant passer le pays de 13 à 17 régions et de 45 à 47 provinces. # Méthodologie Notre workflow se déroule en **4 étapes principales** : 1. Associer départements → provinces → régions à l’aide de jointures spatiales sur les centroïdes. 2. Appliquer les changements de noms et créer les nouvelles entités administratives selon les décrets. 3. Agréger les géométries des départements pour obtenir les nouvelles provinces et régions. 4. Valider les géométries, sauvegarder les résultats et comparer l’ancien et le nouveau découpage. # Mise en œuvre ## Chargement des packages et données ```{r} #| label: packages #| message: false #| warning: false # Chargement des packages pour l'analyse spatiale et la visualisation library(sf) # Géotraitement des données spatiales library(tidyverse) # Manipulation de données library(ggplot2) # Visualisation graphique library(patchwork) # Combinaison de graphiques library(RColorBrewer) ``` Importons les anciennes couches administratives : ```{r} #| label: charger-data #| message: false #| warning: false #| results: "hide" region <- st_read("data/ADM_Region.shp") province <- st_read("data/ADM_Province.shp") departement <- st_read("data/ADM_Commune.shp") ``` Bonnes pratiques : 1. Vérifier les systèmes de coordonnées (`st_crs()`) avant toute jointure. 2. Harmoniser si nécessaire pour éviter les décalages. ```{r} #| label: verification-crs #| message: false #| warning: false st_crs(departement) == st_crs(province) st_crs(region) == st_crs(province) ``` Observons les noms des colonnes de nos fichiers : ```{r} #| label: col-names #| message: false #| warning: false colnames(region) colnames(province) colnames(departement) ``` Sélection et renommage des colonnes pour plus de clarté ```{r} #| label: select-rename #| message: false #| warning: false region <- region %>% select(Nom) %>% rename(Nom_region = Nom) province <- province %>% select(Nom) %>% rename(Nom_province = Nom) departement <- departement %>% select(Nom) %>% rename(Nom_departement = Nom) ``` ## Association des départements aux provinces et régions Nous utilisons les centroïdes des départements pour établir les correspondances. ```{r} #| label: centroid-joint #| message: false #| warning: false # Calcul des centroïdes des départements centroides_departement <- st_centroid(departement) # Jointure spatiale pour associer les départements aux provinces appariement <- st_join(centroides_departement, province, join = st_within) # Jointure spatiale pour associer les départements aux régions appariement <- st_join(appariement, region, join = st_within) ``` Vérifions les cas où la jointure n'a pas fonctionné : ```{r} #| label: filter-1 #| message: false #| warning: false appariement %>% filter(is.na(Nom_province) | is.na(Nom_region)) ``` La commune de **KOMBORI** n’est pas correctement associée. Nous corrigeons manuellement : ```{r} #| label: correction #| message: false #| warning: false appariement <- appariement %>% mutate(Nom_province = case_when( Nom_departement == "KOMBORI" ~ "KOSSI", .default = Nom_province ), Nom_region = case_when( Nom_departement == "KOMBORI" ~ "BOUCLE DU MOUHOUN", .default = Nom_region) ) ``` Enfin, ajoutons les colonnes aux départements : ```{r} #| label: complete-name #| message: false #| warning: false departement <- departement %>% mutate(Nom_province = appariement$Nom_province, Nom_region = appariement$Nom_region) ``` ## Mise à jour des provinces Application des changements selon les décrets : ```{r} #| label: traitement-province #| message: false #| warning: false # Création de la variable Nom_province_nouveau departement <- departement %>% mutate(Nom_province_nouveau = case_when( # Création des nouvelles provinces Nom_departement %in% c("BOTOU", "KANTCHARI") ~ "DYAMONGOU", Nom_departement %in% c("ARBINDA", "KOUTOUGOU") ~ "KARO PELI", # Renommage des provinces existantes Nom_province == "KOSSI" ~ "KOOSIN", Nom_province == "OUBRITENGA" ~ "BASSITENGA", Nom_province == "SANMATENGA" ~ "SANDBONDTENGA", Nom_province == "SOUM" ~ "DJELGODJI", Nom_province == "TAPOA" ~ "GOBNANGOU", # Conservation des noms existants pour les autres .default = Nom_province )) ``` Vérification : ```{r} #| label: nombre-province #| message: false #| warning: false # Vérification du nombre de provinces length(unique(departement$Nom_province_nouveau)) ``` Nous avons bel et bien 47 provinces. ## Mise à jour des régions Même logique pour les régions : ```{r} #| label: traitement-region #| message: false #| warning: false # Création de la variable Nom_region_nouveau departement <- departement %>% mutate(Nom_region_nouveau = case_when( # Création des nouvelles régions Nom_province_nouveau %in% c("GNAGNA", "KOMANDJARI") ~ "SIRBA", Nom_province_nouveau %in% c("DJELGODJI", "KARO PELI") ~ "SOUM", Nom_province_nouveau %in% c("SOUROU", "KOOSIN", "NAYALA") ~ "SOUROU", Nom_province_nouveau %in% c("DYAMONGOU", "GOBNANGOU") ~ "TAPOA", # Renommage des régions existantes Nom_region == "BOUCLE DU MOUHOUN" ~ "BANKUI", Nom_region == "CASCADES" ~ "TANNOUNYAN", Nom_region == "CENTRE" ~ "KADIOGO", Nom_region == "CENTRE-EST" ~ "NAKAMBE", Nom_region == "CENTRE-NORD" ~ "KOULSE", Nom_region == "CENTRE-OUEST" ~ "NANDO", Nom_region == "CENTRE-SUD" ~ "NAZINON", Nom_region == "EST" ~ "GOULMOU", Nom_region == "HAUTS-BASSINS" ~ "GUIRIKO", Nom_region == "NORD" ~ "YAADGA", Nom_region == "PLATEAU-CENTRAL" ~ "OUBRI", Nom_region == "SAHEL" ~ "LIPTAKO", Nom_region == "SUD-OUEST" ~ "DJORO" )) ``` Vérifications : ```{r} #| label: nombre-region #| message: false #| warning: false # Vérification du nombre de régions length(unique(departement$Nom_region_nouveau)) ``` Suppression des anciennes colonnes de province et région : ```{r} #| label: suppression-nom #| message: false #| warning: false departement <- departement %>% select(-c(Nom_province, Nom_region)) ``` ## Agrégation et création des nouvelles couches Nous agrégeons les départements pour former les nouvelles provinces et régions. ```{r} #| label: nouvelle-couche #| message: false #| warning: false # Provinces nouvelles_provinces <- departement %>% group_by(Nom_province_nouveau) %>% summarize(geometry = st_union(geometry)) # Régions nouvelles_regions <- departement %>% group_by(Nom_region_nouveau) %>% summarize(geometry = st_union(geometry)) # Validation nouvelles_provinces <- st_make_valid(nouvelles_provinces) nouvelles_regions <- st_make_valid(nouvelles_regions) ``` ## Validation et sauvegarde ```{r} #| label: validation #| message: false #| warning: false #| results: "hide" # Validation des géométries nouvelles_provinces <- st_make_valid(nouvelles_provinces) nouvelles_regions <- st_make_valid(nouvelles_regions) ``` ```{r} #| label: sauvegarde #| message: false #| warning: false #| results: "hide" # Sauvegarde des nouvelles couches st_write(nouvelles_provinces, "outputs/nouvelles_provinces.shp", delete_dsn = TRUE) st_write(nouvelles_regions, "outputs/nouvelles_regions.shp", delete_dsn = TRUE) st_write(departement, "outputs/departements_actualises.shp", delete_dsn = TRUE) ``` # Visualisation Nous comparons les anciennes et nouvelles cartes des régions. ```{r} #| label: visualisation-comparative #| fig-width: 12 #| fig-height: 8 #| echo: false #| results: "hide" library(RColorBrewer) # Anciennes régions carte_anciennes <- ggplot() + geom_sf(data = region, aes(fill = Nom_region), color = "white", size = 0.2) + scale_fill_viridis_d(option = "plasma") + # palette lisible et élégante theme_minimal() + labs(title = "Ancien découpage (13 régions)", subtitle = "Structure administrative avant la réforme de 2025", fill = "Régions") + theme(legend.position = "none", plot.title = element_text(face = "bold", size = 14)) # Nouvelles régions carte_nouvelles <- ggplot() + geom_sf(data = nouvelles_regions, aes(fill = Nom_region_nouveau), color = "white", size = 0.2) + scale_fill_viridis_d(option = "turbo") + # palette plus contrastée theme_minimal() + labs(title = "Nouveau découpage (17 régions)", subtitle = "Structure administrative après la réforme de 2025", fill = "Régions") + theme(legend.position = "none", plot.title = element_text(face = "bold", size = 14)) # Comparaison carte_anciennes + carte_nouvelles + plot_annotation( title = "Comparaison des découpages administratifs du Burkina Faso", caption = "Source: Décrets N°2025-1003 et N°2025-1012 | Réalisation: NEBIE G.C." ) ``` Carte des nouvelles provinces : ```{r} #| label: visualisation-comparative-1 #| fig-width: 12 #| fig-height: 8 #| echo: false #| results: "hide" library(ggrepel) # pour un placement intelligent des étiquettes # Calculer les centroïdes des nouvelles provinces pour les labels centroides_provinces <- st_centroid(nouvelles_provinces) # Carte des nouvelles provinces avec labels carte_provinces <- ggplot() + geom_sf(data = nouvelles_provinces, aes(fill = Nom_province_nouveau), color = "white", size = 0.3) + geom_label_repel( data = centroides_provinces, aes(label = Nom_province_nouveau, geometry = geometry), stat = "sf_coordinates", size = 3, fill = "white", color = "black", segment.size = 0.2 ) + scale_fill_viridis_d(option = "turbo") + theme_minimal() + labs(title = "Nouveau découpage administratif : Provinces (2025)", subtitle = "Découpage officiel réorganisé en 47 provinces", fill = "Provinces", x = " ", y = " ") + theme(legend.position = "none", plot.title = element_text(face = "bold", size = 14), plot.subtitle = element_text(size = 10, color = "gray40")) carte_provinces ``` ::: {.callout-note title="Cartographie avec R"} Les cartes présentées ci-dessus illustrent simplement nos résultats. Avec R, il est possible d'aller bien plus loin : - création de cartes thématiques (indices socio-économiques, densité de population, ressources naturelles), - production de cartes interactives avec `mapview` ou `leaflet`, - mise en forme avancée avec `tmap` ou `ggspatial`. ::: # Conclusion Cet article a présenté une méthodologie pour mettre à jour les limites administratives du Burkina Faso suite à la réforme de 2025. Nous avons utilisé des techniques de jointure spatiale, de regroupement et de validation de géométries. Les nouvelles couches sont maintenant prêtes à être utilisées dans des analyses spatiales. Le code complet et les données sont disponibles sur GitHub : <https://github.com/ngastoncyrille/02_limites_administrative> # Pour aller plus loin ## Prochaines étapes - Intégration des données démographiques par nouvelle entité - Calcul d'indices de développement territorial ## Packages utiles complémentaires - `tmap` pour la cartographie thématique - `mapview` pour la visualisation interactive - `units` pour la gestion des unités de mesure ## Références techniques - [Documentation du package sf](https://r-spatial.github.io/sf/) - [Guide de cartographie avec ggplot2](https://ggplot2-book.org/maps.html) - [Best practices for spatial data in R](https://geocompr.robinlovelace.net/)