Chaque année, des centaines de milliers de parents choisissent un prénom, chacun dans son coin. Et pourtant, leurs choix dessinent des régularités si nettes qu’on peut les mesurer. On en a trouvé quatre, plus un modèle tout simple qui les reproduit.
de prénoms différents qu’en 1900. Les parents s’éparpillent.
En 1900, l’Insee publie 1 617 prénoms différents. En 2025, 12 194. Personne ne s’est mis d’accord sur de nouveaux prénoms : chacun part un peu de son côté. Les filles ont le choix le plus large : 6 603 prénoms contre 6 069 pour les garçons.
13 093prénoms en 2022, le record
545prénoms tout neufs en 2025
17,8 %des nouveaux de 2024 sont encore là l’année d’après
Prénoms différents donnés chaque année
Pour aller plus loin : des inventions qui ne durent pas (ouvrir)
Chaque année, des prénoms apparaissent pour la première fois dans le fichier. En 2025, ils sont 545, soit 4,5 % des prénoms publiés, pour 2 860 naissances. Sur 2016–2025, les nouveaux pèsent en moyenne 5,1 % des prénoms de l’année.
Quelques nouveaux de 2025 : Syméa (20), Caëlis (20), Noélyo (15), Aélina (15), Vaël (10). Entre parenthèses : les naissances de l’année.
La plupart ne passent pas l’année : des 596 prénoms apparus en 2024, 17,8 % seulement sont de nouveau publiés l’année suivante. Les autres retombent sous le seuil de 3 naissances.
Les biologistes de l’évolution appellent ça des « mutations ». Aux États-Unis, Hahn et Bentley ont compté les prénoms qui entrent dans le top 1 000 de chaque décennie : en moyenne 2,3 pour 10 000 naissances chez les filles et 1,6 chez les garçons, au XXe siècle [4, p. S121–S122, fig. 2]. Leur définition n’est pas la nôtre (décennie, top 1 000, par naissance) : les deux chiffres ne se comparent pas. Mais ils racontent la même chose : l’invention est rare, et elle ne s’arrête jamais.
Des centaines de prénoms tout neufs chaque année
Prénoms publiés pour la première fois, par année, 1901–2025. Les premières années sont gonflées : un prénom simplement absent de 1900 y compte comme nouveau.
On compte, chaque année, les prénoms différents publiés par l’Insee. Les graphies qui ne diffèrent que par les accents comptent pour un (Léa et Lea), Léah reste à part. Un prénom n’est publié que s’il a été donné au moins 3 fois dans l’année [1] : les plus rares existent, mais ne sont pas comptés.
Le léger recul après 2022 est à prendre avec des pincettes : quand les naissances baissent et que les choix s’éparpillent, des prénoms passent sous ce seuil et sortent du compte, sans avoir disparu.
Le fichier complet, que l’Insee ne diffuse pas, dit la même chose en plus fort : 8 007 prénoms différents pour les bébés de 1946, 65 940 pour ceux de 2025, en comptant chaque orthographe à part et les prénoms donnés une ou deux fois [2, p. 1].
Insee, Fichier des prénoms [1] ; Insee Première n° 2127 [2]
Signature n°2 · Ça s’use
4,9 ans
et un prénom de fille a perdu la moitié de sa cote. C’est la demi-vie médiane.
Une fois son pic passé, un prénom à la mode ne le reste pas. La demi-vie, comme en physique nucléaire : le temps qu’il lui faut pour retomber à la moitié de sa part des naissances. Chez les garçons, la médiane est de 5,4 ans.
5,4 ansdemi-vie médiane d’un prénom de garçon
52 %des prénoms de filles perdent la moitié de leur cote en moins de 5 ans (47 % des garçons)
1 665prénoms pas encore redescendus à la moitié de leur pic
Combien de prénoms, selon leur demi-vie (en années)
Pour aller plus loin : l’effet feu de paille (ouvrir)
Jonah Berger et Gaël Le Mens ont suivi les prénoms donnés en France de 1900 à 2004, et aux États-Unis : plus un prénom est monté vite jusqu’à son pic, plus vite il est abandonné. Un prénom monté 10 % plus vite voit son risque d’abandon grimper de 12,5 % [8, fig. 2]. Chez eux, l’abandon, c’est quand la part du prénom passe sous 10 % de son maximum. Une piste : les futurs parents se méfient des prénoms qui montent trop vite, qu’ils croient éphémères [8].
Refaite sur le fichier d’aujourd’hui avec leur méthode, la mesure tient : 3 330 prénoms, une montée moyenne de 17,8 % par an sur les 5 ans avant le pic (l’article publiait 19,5 % sur 2 570 prénoms). Et plus la montée est rapide, plus l’abandon arrive tôt : la corrélation de rang vaut −0,2 sur les 1 598 prénoms déjà abandonnés.
Le lien est réel mais lâche : entre vitesse de montée et vitesse de descente, la corrélation vaut 0,25 (sur une échelle de −1 à 1). C’est notre calcul : l’article mesure un risque d’abandon, pas une proportion. D’autres modèles décrivent une montée et une descente à vitesses voisines, comme une épidémie qui aurait de la mémoire [14], ou des modes qui naissent du simple fait de copier les goûts des autres [13].
D’autres mesures disent la même chose. L’Insee estime qu’un prénom restait dans le top 50 une petite dizaine d’années au début des années 2000, moins qu’avant [2, p. 3]. Baptiste Coulmont mesure le temps qu’il faut pour que la moitié d’un top 20 en sorte : une dizaine d’années récemment, environ 40 ans pour le top 20 masculin de 1900 [31].
Même les chiens y passent. Aux États-Unis, 9 races (dalmatien, setter irlandais, rottweiler…) ont vu leurs inscriptions monter pendant 14 ans en moyenne, puis s’effondrer aussi vite [7].
Ce qui monte vite redescend plutôt vite. Pas toujours.
Chaque point est un prénom (pic d’au moins 300 naissances). À droite : il est monté vite (croissance annuelle de sa part sur les 5 ans avant le pic). En haut : il est redescendu vite (sur les 5 ans après). Droite : la tendance moyenne. Méthode de Berger et Le Mens.
On mesure la part des naissances du même sexe, puis, depuis le pic, le temps qu’il faut pour retomber à la moitié (interpolation entre deux années). On garde les prénoms qui ont atteint au moins 30 naissances à leur pic et qui n’étaient pas encore donnés en 1900 : leur vrai sommet est visible (1 809 prénoms de filles, 1 404 de garçons).
On affiche la médiane : la moitié des prénoms tombent plus vite, l’autre moitié moins vite. La moyenne (5,7 ans pour les filles, 6,1 pour les garçons) est tirée vers le haut par quelques prénoms qui s’éternisent. La moitié centrale des prénoms de filles a une demi-vie entre 2,6 et 7,7 ans ; des garçons, entre 2,8 et 8,3 ans.
Les 1 665 prénoms pas encore redescendus ne sont pas comptés : ce sont surtout des prénoms récents ou très durables. Les vraies demi-vies sont donc un peu plus longues que celles affichées ici.
Insee, Fichier des prénoms [1] ; calculs DataPrenom.fr
Signature n°3 · Le top 10
11 %
des garçons nés en 2025 ont un prénom du top 10. En 1945, c’était 50 %.
Depuis 1945, le peloton de tête n’a presque pas cessé de fondre. En 1945, à peu près un garçon sur 2 recevait un des 10 prénoms les plus donnés. En 2025, un sur 9. Chez les filles, le top est encore moins écrasant.
8,7 %des filles nées en 2025 ont un prénom du top 10 (45,3 % en 1900)
×11entre le n°1 et le n°10 des garçons en 2025, sur la droite de Zipf (×62 en 1930)
Part des bébés qui reçoivent un des 10 prénoms les plus donnés
Pour aller plus loin : une droite cachée dans le classement (ouvrir)
Rang contre fréquence : presque une droite, de moins en moins pentue
19302025
2025, filles : pente −1,01, soit un 1er prénom environ 10 fois plus donné que le 10e sur la droite ajustée. Les 10 premiers font 8,7 % des naissances.
Part des naissances de l’année selon le rang du prénom, axes logarithmiques (chaque graduation multiplie par 10). En pointillés gris : 1930, pour comparer.
Classe les prénoms d’une année du plus donné au moins donné, trace la part de chacun selon son rang avec des axes logarithmiques : les points s’alignent presque sur une droite. C’est la loi de Zipf, du nom du linguiste qui l’a popularisée pour les mots d’un texte [22].
La pente dit à quel point la tête écrase la suite. Chez les garçons, elle passe de −1,79 en 1930 à −1,05 en 2025 : sur la droite, le 1er prénom était environ 62 fois plus donné que le 10e ; il ne l’est plus que 11 fois. Le classement s’aplatit : les parents se dispersent.
Pourquoi une droite ? Hahn et Bentley ont montré qu’un modèle sans aucun goût suffit : chacun copie au hasard le prénom d’un autre, et de temps en temps quelqu’un invente [4]. La même mécanique colle aux motifs de poteries néolithiques de la vallée de la Merzbach, en Allemagne, et aux citations de brevets [5]. Leur exposant (en moyenne 1,7 pour les garçons et 1,84 pour les filles, aux États-Unis au XXe siècle [5, section 3a]) ne mesure pas la même chose que nos pentes : les deux chiffres ne se comparent pas.
Et les chiens ? Aux États-Unis, les inscriptions à l’American Kennel Club de 1946 à 2001 suivent aussi cette loi, à quelques envolées près [6]. En 2003, les 15 races les plus inscrites totalisaient 64 % des inscriptions [7].
Comment on calcule ?
Chaque année et pour chaque sexe, on prend les 10 prénoms les plus donnés et on additionne leurs naissances, rapportées à toutes les naissances publiées du même sexe.
La « droite de Zipf » : on classe les prénoms d’une année du plus donné au moins donné et on trace la part de chacun selon son rang, avec des axes logarithmiques. Les points s’alignent presque : le coefficient r² de l’ajustement va de 0,95 à 0,98 selon l’année et le sexe (1 = alignement parfait). Ajustement sur les rangs 1 à 1 000 au plus (prénoms d’au moins 10 naissances), sur le fichier public : les prénoms trop rares pour être publiés n’y sont pas.
parcourus par le centre de gravité de Nolwenn, des années 1970 aux années 2000.
Un prénom prend souvent d’abord dans une région, puis gagne le reste du pays de proche en proche. Exemple : Nolwenn, 13 955 naissances depuis 1900, d’abord donnée dans le Morbihan. Appuie sur « Lecture » : son centre de gravité, le point moyen des lieux de naissance des bébés, file vers l’est.
Chaque rond est un département : sa surface suit le nombre de bébés Nolwenn nés là pendant la décennie. Entre deux décennies, les ronds grossissent ou fondent doucement : c’est une transition, pas une donnée annuelle.
×12,3dans son berceau, Morbihan, quand il décolle (1968–1974), par rapport à la moyenne du pays
×4,7chez les bébés nés dans le Finistère, de 1998 à 2017 : encore sa terre d’élection
15 kmseulement pour le centre de toutes les naissances, dans le même temps
Nolwenn, décennie par décennie
Naissances de Nolwenn par département, années 1970
années1970
Années 1970 : 1 350 naissances localisées. Morbihan en compte 23 %.
1970années 19702020
surface du rond = naissances du département (le plus gros : 490)
trajet du centre de gravité de Nolwenn
Pour aller plus loin : et le milieu social ? (ouvrir)
La mode voyage aussi d’un milieu à l’autre. Dès 1979, le sociologue Philippe Besnard propose d’utiliser les prénoms, enregistrés à chaque naissance, pour mesurer la mode dans les goûts [18]. Avec Guy Desplanques, sur environ 367 000 personnes nées entre 1930 et 1988, il mesure quels milieux adoptent un prénom au tout début de sa diffusion, donc l’avance ou le retard de chacun sur la mode [19]. Baptiste Coulmont en fait la synthèse [26].
Le fichier de l’Insee ne dit rien du milieu des parents : on ne peut donc pas le mesurer ici, prénom par prénom. Ce que l’on voit, c’est la trace géographique, et elle s’estompe : d’après Head et Mayer, la distance pèse de moins en moins dans le choix, le milieu et l’origine de plus en plus [17].
Comment on calcule ?
On place les naissances de Nolwenn dans leur département, décennie par décennie : seules les naissances publiées dans le fichier départemental (au moins 3 naissances par département et par an) peuvent être localisées. La surface de chaque rond est proportionnelle à ces naissances. Métropole seulement.
Pourquoi des ronds et pas des couleurs ? Avant 1998, on ne connaît pas les naissances officielles de chaque département : les totaux publiés des petits départements sont dégonflés par le seuil, et un indice « × la moyenne » s’y emballerait. Le berceau, lui, est calculé seulement là où le fichier garde presque toutes les naissances, et rapproché de 1 quand il y a peu de bébés.
Le centre de gravité est la moyenne des positions des départements de naissance, pondérée par les naissances : un point calculé, pas un lieu où le prénom serait plus fréquent. Il ne compte que si son déplacement dépasse sa marge d’erreur et celui du centre de toutes les naissances.
Head et Mayer ont étudié la répartition des prénoms par département : les parents s’inspirent de ce qui se donne autour d’eux, mais la distance compte de moins en moins au fil du temps ; le milieu social et l’origine prennent le relais [17].
Insee, Fichier des prénoms, fichier départemental [1] ; IGN ADMIN EXPRESS ; Head et Mayer [17]
Le modèle · La cloche
≈ 1 371
naissances par an : au‑delà, un prénom recule en moyenne.
Les quatre signatures tiennent dans une seule courbe : la croissance d’un prénom selon sa fréquence. Rare, il se copie de plus en plus. Très porté, il fatigue. Entre les deux, un sommet, puis la descente : une cloche.
+2,1 %par an : le meilleur élan (courbe lissée), pour un prénom donné environ 87 fois
575naissances par an : passé ce cap, l’élan s’essouffle
515–2 060la bascule mesurée par Newberry et Plotkin, convertie en naissances françaises de 2025 : la nôtre tombe dedans
Croissance l’année suivante, selon les naissances de l’année
Ce que disent les études (ouvrir)
Mitchell Newberry et Joshua Plotkin ont mesuré, année après année, comment la croissance d’un prénom dépend de sa fréquence, aux États-Unis, en France, en Norvège et aux Pays-Bas. Aux États-Unis, un prénom rare (environ une naissance sur 10 000) gagne en moyenne 1,4 % par an ; un prénom très courant (plus d’une naissance sur 100) perd 1,6 %. Entre les deux, la croissance baisse régulièrement et s’annule entre 8 et 32 naissances sur 10 000, dans les quatre pays [9, préprint, fig. 1c, p. 3]. Si tout le monde copiait au hasard, la courbe serait plate. Elle ne l’est pas.
Les chiens de race, encore eux : aux États-Unis (1926–2005), les races les plus rares progressent de 16 % par an en moyenne et les plus courantes reculent. Mais la fréquence seule ne suffit pas à produire leurs cycles : les auteurs y voient un goût pour la nouveauté, chaque nouvelle race « battant » la précédente d’environ 1 % par an [9, préprint, fig. 3, p. 5–6]. Et ce n’est pas la qualité qui fait la mode : la popularité d’une race ne dépend presque pas de sa santé ni de son comportement [15].
Comment on calcule ?
Pour chaque prénom et chaque année de 1946 à 2025, on mesure la croissance de sa part des naissances du même sexe d’une année sur l’autre, puis on fait la moyenne par classe de fréquence (échelle logarithmique). La bande autour de la courbe est l’intervalle de confiance à 95 %.
Conversion : 8 à 32 naissances sur 10 000, rapportées aux 643 905 naissances françaises de 2025, font environ 515 à 2 060 naissances par an. C’est notre calcul, pas celui de l’article.
Le côté gauche est à lire avec prudence : sous 25 naissances par an, la courbe plonge, en partie parce qu’un prénom donné moins de 3 fois l’année suivante sort du fichier public [1] : sa « chute » est un effet du seuil, pas un désamour. Les chiffres de l’article viennent de sa version préprint [9, préprint arXiv 2103.14178].
Insee, Fichier des prénoms [1] ; Newberry et Plotkin [9]
Pourquoi ? · L’évolution
Les prénoms évoluent presque comme des gènes. Presque.
Personne ne décide de la mode. Pourtant, des centaines de milliers de choix indépendants dessinent chaque année les mêmes régularités. Pour les expliquer, des biologistes et des anthropologues ont emprunté les outils de l’évolution : un prénom se « transmet » quand on le copie, il « mute » quand on en invente un, et certains se copient mieux que d’autres. Voici ce que disent les études, avec leurs vrais chiffres et leurs limites.
1. La culture, un second héritage
En 1985, l’anthropologue Robert Boyd et l’écologue Peter Richerson publient un livre fondateur : la culture y devient un second système d’hérédité, transmis non par les gènes mais par l’apprentissage [24]. Et cette transmission a des « biais » : on copie plus volontiers ce que fait la majorité (biais de conformisme), ou ce que font les gens prestigieux (biais de prestige).
Pour les prénoms, ça donne trois questions simples. Qui invente ? Qui copie qui ? Et copie-t-on un prénom parce qu’il est fréquent, ou malgré ça ? Les quatre signatures de cette page sont les traces que laissent les réponses.
2. Copier au hasard : la dérive neutre
Premier modèle, le plus bête possible : chaque parent copie le prénom d’une personne tirée au hasard, et de temps en temps quelqu’un invente. Aucun prénom n’est « meilleur » qu’un autre : les généticiens appellent ça la dérive neutre. Matthew Hahn et Alexander Bentley l’ont confronté aux 1 000 prénoms les plus donnés de chaque décennie aux États-Unis : il reproduit la répartition des fréquences, une loi de puissance stable sur cent ans [4]. Le réglage qui colle le mieux (θ = 4Nμ = 4, où N est la population et μ le taux d’invention) colle aux données avec un r² de 0,993 chez les garçons et 0,994 chez les filles (1 = parfait) [4, légende de la fig. 1, p. S121].
Le même modèle colle à des objets qui n’ont rien à voir : les motifs de poteries néolithiques de la vallée de la Merzbach, en Allemagne, vers 5 300–4 850 avant notre ère, et les citations de brevets [5]. L’archéologue Fraser Neiman l’avait déjà appliqué en 1995 aux décors de poteries de l’Illinois [23]. Ce que ça veut dire : une loi de Zipf n’a pas besoin de goûts pour apparaître. Le hasard de la copie suffit. Tu peux le vérifier toi-même dans la simulation, recette « Copier au hasard ».
La même étude mesure l’éparpillement : aux États-Unis, le top 1 000 couvrait 91 % des filles en 1900 et 75 % en 2000 ; chez les garçons, de 91 % à 86 % [4, p. S121]. La signature n°1, de l’autre côté de l’Atlantique.
3. Mais le hasard ne suffit pas : la fréquence compte
Si tout le monde copiait au hasard, un prénom rare et un prénom courant auraient, en moyenne, la même croissance relative. Mitchell Newberry et Joshua Plotkin ont vérifié, année après année, aux États-Unis, en France, en Norvège et aux Pays-Bas : ce n’est pas le cas. Aux États-Unis, un prénom rare (une naissance sur 10 000) gagne 1,4 % par an ; un prénom très courant en perd 1,6 %. Entre les deux, la croissance baisse régulièrement avec le logarithme de la fréquence (r² = 0,98) [9, préprint, p. 3, fig. 1b]. La copie au pur hasard est rejetée (p < 0,0001).
Les auteurs appellent ça une sélection dépendante de la fréquence : un prénom est d’autant moins copié qu’il est déjà répandu. C’est exactement notre courbe en cloche : sur le fichier français, la croissance devient négative au-delà d’environ 1 371 naissances par an.
Aux États-Unis, à fréquence égale, un prénom de garçon gagne environ 0,66 % par an de plus qu’un prénom de fille [9, préprint, fig. 2a, p. 4].
Les prénoms bibliques font près de 40 % des prénoms les plus fréquents, contre 2 % des plus rares [9, préprint, fig. 2c, p. 5].
Les données françaises de l’étude : le fichier de l’Insee de 1946 à 2018, 60 314 639 personnes [9, préprint, table S1].
Ces chiffres viennent de la version préprint de l’article (arXiv 2103.14178v3) ; la version publiée en 2022 n’en donne pas dans son résumé.
D’autres équipes ont trouvé d’autres forces, qui ne s’excluent pas. Au sommet des palmarès américains récents, les prénoms se renouvellent plus vite que le hasard ne le voudrait : un signe d’anti-conformisme [12]. L’élan compte aussi : aujourd’hui, un prénom en hausse attire, alors qu’au début du XXe siècle une hausse annonçait plutôt une baisse [11]. Les sons se copient : un prénom profite de la vogue des prénoms qui lui ressemblent, et même d’un ouragan au nom marquant [16]. Et la trajectoire d’un prénom ressemble à une épidémie avec mémoire, presque prévisible [14]. Le sociologue Stanley Lieberson résumait : les goûts changent surtout sous l’effet de mécanismes internes à la mode, pas des seuls événements extérieurs [25].
4. Et les chiens ?
Les races de chiens sont le terrain de jeu préféré de ces chercheurs : un choix libre, sans contrainte, et des registres tenus depuis des décennies. Tout ce qui suit est américain (American Kennel Club).
De 1946 à 2001, 42 280 840 chiots inscrits, de 107 à 150 races : chaque année, la répartition suit une loi de puissance (r² d’au moins 0,88), compatible avec la copie au hasard (θ = 8). Sauf quelques races qui s’envolent puis s’effondrent, ce que le hasard n’explique pas [6, texte et table 1].
9 races « de mode » (dalmatien, setter irlandais, rottweiler…) ont grimpé pendant 14 ans en moyenne, puis chuté aussi brutalement. En 2003, les 15 races les plus inscrites faisaient 64 % des inscriptions [7].
De 1926 à 2005 (153 races), les plus rares progressent de 16 % par an en moyenne. Mais la fréquence seule ne fabrique pas les cycles : il faut un goût pour la nouveauté, chaque nouvelle race « battant » la précédente d’environ 1 % par an [9, préprint, fig. 3, p. 5–6].
Et ce n’est pas la qualité qui fait la mode : la popularité d’une race ne dépend presque pas de sa santé, de sa longévité ni de son comportement ; les plus populaires ont même davantage de maladies héréditaires [15].
5. Les jupes et les poteries
Dans les catalogues de vente par correspondance britanniques et allemands de 1954 à 1990, la longueur des jupes suit des cycles, très semblables d’un pays à l’autre. Mais la variété des longueurs proposées la même année augmente avec le temps [10] : la mode s’éparpille, comme les prénoms. Et les poteries « du temps de Cléopâtre » de la vidéo ? La référence citée porte sur des poteries néolithiques, de 5 300 à 4 850 avant notre ère : bien avant Cléopâtre [5].
À toi de jouer · La simulation
Inventer, copier, se lasser : fabrique tes propres modes.
Chaque case est une personne, chaque couleur un prénom (les couleurs se répètent). À chaque pas, 10 % de la grille naît de nouveau et reçoit un prénom selon quatre règles, que tu règles toi-même.
Inventer : de temps en temps, quelqu’un donne un prénom jamais vu. Copier : la plupart imitent un prénom entendu, et un prénom fréquent s’entend plus souvent. Se lasser : on évite ce qui est déjà partout, un biais repéré dans le renouvellement des palmarès américains [12]. Regarder autour de soi : on copie ses voisins plutôt que tout le pays.
Lance « Copier au hasard » et regarde le panneau de Zipf : sans aucun goût, la droite apparaît, comme dans le modèle de Hahn et Bentley [4]. Passe à « Se lasser » : les numéros 1 se succèdent et les courbes font des bosses, des modes en miniature. « Villages » fait naître des taches de couleur : des modes régionales. Puis « Plus d’invention » : le répertoire fond, prénom après prénom.
Ce que le jouet ne dit pas
Il n’est pas calé sur les données françaises : ses chiffres montrent des mécanismes, pas la France.
Il n’a ni sexe, ni milieu social, ni télévision : de vrais parents ont des raisons que ce modèle ignore.
Que le jouet reproduise une régularité ne prouve pas que les parents raisonnent ainsi : plusieurs mécanismes peuvent dessiner la même courbe [13].
Année0
appuie, puis essaie une recette
Un pas = une année : 10 % de la grille naît et reçoit un prénom. ×1 = 6 années par seconde.
Part des bébés qui reçoivent un prénom jamais vu. À zéro, la diversité ne fait que fondre ; un peu suffit à la relancer (signature n°1).
Part des parents qui copient un prénom entendu autour d’eux : un prénom fréquent s’entend plus souvent, donc il grossit. Les autres piochent un prénom existant au hasard, sans regarder sa popularité. C’est l’imitation qui dessine la droite de Zipf (signature n°3).
Envie d’éviter ce qui est déjà partout : un prénom porté par 10 % des gens est refusé avec cette probabilité, un prénom moitié moins porté, deux fois moins souvent. C’est ce qui fait monter puis retomber les modes (signature n°2, la cloche).
Distance à laquelle on va chercher un modèle, en cases. Petit rayon : on copie ses voisins, et des modes de quartier apparaissent (signature n°4).
Les quatre signatures, en direct
Ce que la grille fabrique, mesuré comme on mesure les vrais prénoms.
×1chance que deux voisins aient le même prénom, par rapport à deux inconnus
Année 0 : 12 prénoms différents ; le plus porté en a 10 % ; 0 changement de numéro 1 ; deux voisins portent le même prénom 1 fois plus souvent que deux inconnus.
Vérifié · La vidéo
La vidéo qui nous a inspirés, passée au crible.
Cette page est née d’une vidéo de vulgarisation sur la science des prénoms. Elle est bien faite et donne envie d’en savoir plus. Alors on a fait ce qu’on fait avec tout : on a vérifié. Ses chiffres d’abord, recalculés sur le même fichier de l’Insee. Puis ce qu’elle attribue aux études, en relisant les articles.
Le verdict tient en une phrase : l’esprit est juste, les grandes lignes aussi, mais plusieurs chiffres sont arrondis à la hache ou attribués à la mauvaise étude. Rien de grave pour une vidéo ; impardonnable pour une base de référence.
Ses chiffres, recalculés sur le fichier de l’Insee
12 justes, 3 à peu près, 11 à nuancer, 4 faux, recalculés par notre programme sur le fichier de l’Insee (1900–2025) [1].
Naissances 2025
~À nuancer
La vidéo : 645 897
En vrai : 589 485 dans le fichier des prénoms (écart expliqué)
Le fichier ne contient que les prénoms donnés au moins 3 fois (arrondis à 5). Total officiel Insee : 645 000 (provisoire) puis 643 905 (définitif). 645 897 ne correspond à aucun des deux.
Nombre total de prénoms (1900-2025)
✓Juste
La vidéo : 87 millions
En vrai : 87 644 320 (conforme)
Gabriel + Louise 2025
✗Faux
La vidéo : plus de 10 000
En vrai : Gabriel 4 650 + Louise 3 075 = 7 725 (faux)
Même additionnés, on reste sous 10 000.
Léo 2025
≈À peu près
La vidéo : 4 000
En vrai : 3 590 (garçons) + 30 (filles) (approché)
Emma 2025
✗Faux
La vidéo : 3 500
En vrai : 2 320 (faux)
Emma était à 3 500 en 2020 (année la plus proche de 3 500) ; pic en 2005 (7 075).
Jean-Claude total
✓Juste
La vidéo : 174 270
En vrai : 174 235 (conforme (arrondis))
Écart dû à l'arrondi à 5 de chaque année dans l'édition 2026.
Jean-Claude en 2025
~À nuancer
La vidéo : 1 bébé
En vrai : 0 (non publié) ; dernière année publiée : 2023 (invérifiable)
Un prénom donné 1 ou 2 fois dans l'année n'est pas publié par l'Insee.
Didier absent en 2025
~À nuancer
La vidéo : absent (alors qu'il existait tous les ans)
En vrai : 0 en 2025 ; dernière année publiée : 2023 (absent depuis 2024)
Absent = moins de 3 naissances (non publié), pas forcément zéro. Didier n'est déjà plus publié en 2024 : la disparition n'est pas propre à 2025.
Moon, première de l'histoire en 2025
✗Faux
La vidéo : jamais avant 2025
En vrai : publié dès 2009, total 40 (faux)
Moon apparaît dans le fichier avant 2025.
Top 10 en 1981
✓Juste
La vidéo : ~25 %
En vrai : garçons 26,21 %, filles 23,15 % (conforme)
Top 10 en 2025
✗Faux
La vidéo : ~20 %
En vrai : garçons 10,85 %, filles 8,69 % (faux)
20 % correspond plutôt à l'an 2000 (garçons 18,11 %, filles 18,08 %).
Prénoms différents 1930 → aujourd'hui
✓Juste
La vidéo : ~1 000 → ~7 000
En vrai : par sexe : garçons 1 100 → 6069, filles 1 443 → 6 603 (conforme (par sexe))
Taux de mutation
≈À peu près
La vidéo : ~5 %/an, ~400 nouveaux prénoms dont >350 donnés 1 fois
En vrai : 2025 : 545 nouveaux prénoms publiés (4,47 % des prénoms de l'année) (ordre de grandeur conforme)
Les prénoms donnés 1 ou 2 fois ne sont pas publiés : les « >350 donnés à un seul enfant » sont invisibles ici.
Prénoms au pic d'au moins 30 naissances, absents en 1900 (pic observé, non tronqué), comme partout sur le site. En gardant aussi ceux dont le pic tombe en 1900 : filles 6,76 / garçons 7,29 (moyenne), médianes 5,61 / 5,93. Ces moyennes excluent les prénoms pas encore redescendus (censure à droite : 828 filles / 837 garçons dans la variante recommandée) ; en les gardant comme censurés (Kaplan-Meier), médiane 5,57 / 6,28 ans.
Alison : pic 1993, demi-vie < 1 an
✓Juste
La vidéo : pic 1993, < 1 an
En vrai : pic 1993 (1990 naissances), demi-vie 0,8 an (conforme)
Courbe en cloche
✓Juste
La vidéo : décroissance < 30, max ~100, bascule 1 200-1 500
En vrai : 1946-2025 : croissance au-delà de 24,66, max vers 86,6, bascule 1 371 ; 2000-2025 : bascule 604,4 (conforme (1946-2025))
En vrai : indice robuste (1998-2017, 12 ans retenus, 34 % des naissances du prénom, 8 % non localisées) : Finistère ×4,7, Morbihan ×4,35, Côtes-d'Armor ×3,78, Ille-et-Vilaine ×3,69, Loire-Atlantique ×2,48 (à lire)
plus sur-représenté : Finistère
Guilhem : quelle région ?
~À nuancer
La vidéo : Sud-Ouest
En vrai : indice robuste (1998-2014, 13 ans retenus, 32 % des naissances du prénom, 17 % non localisées) : Hérault ×6,31, Haute-Garonne ×3,68, Gard ×3,35, Pyrénées-Atlantiques ×2,19, Yvelines ×1,72 (à lire)
plus sur-représenté : Hérault
Berceau de Stéphane
✓Juste
La vidéo : Seine-Maritime, années 1950
En vrai : Seine-Maritime (indice robuste ×2,69, brut ×2,71) sur 1953-1962 ; suivants : Hauts-de-Seine ×2,52, Paris ×2,1 (conforme)
dénominateurs : totaux publiés du fichier (pas de naissances officielles par département avant 1998), candidats limités aux départements peu touchés par le seuil de diffusion
La « zone » de 8 prénoms dans la courbe en cloche
Georgia en 2025
✓Juste
La vidéo : croissance
En vrai : niveau 2025 : zone croissance (85 naissances) ; tendance observée : en hausse (part 2023-2025 vs 2020-2022 : +91,4 % ; sur 1 an lissé : +11,1 % ; 100 % de son record sur 3 ans) (conforme)
La vidéo annonce une croissance : on regarde la tendance observée sur 3 ans.
Archibald en 2025
✓Juste
La vidéo : croissance
En vrai : niveau 2025 : zone croissance (80 naissances) ; tendance observée : en hausse (part 2023-2025 vs 2020-2022 : +39,7 % ; sur 1 an lissé : +5,7 % ; 100 % de son record sur 3 ans) (conforme)
La vidéo annonce une croissance : on regarde la tendance observée sur 3 ans.
Gabriel en 2025
~À nuancer
La vidéo : déclin (zone rouge)
En vrai : niveau 2025 : zone declin (4 650 naissances) ; tendance observée : au sommet, sans tendance forte (< 10 % en 3 ans) (part 2023-2025 vs 2020-2022 : +7,2 % ; sur 1 an lissé : +3,7 % ; 97 % de son record sur 3 ans) (pas encore : au sommet (légère hausse : +7,2 % en 3 ans))
La « zone rouge » de la courbe ne dit que le niveau : au-delà de ~1 371 naissances par an, un prénom recule en moyenne l'année suivante. La tendance observée dit si ce prénom recule déjà.
Raphaël en 2025
~À nuancer
La vidéo : déclin (zone rouge)
En vrai : niveau 2025 : zone declin (3 400 naissances) ; tendance observée : au sommet, sans tendance forte (< 10 % en 3 ans) (part 2023-2025 vs 2020-2022 : −3,0 % ; sur 1 an lissé : −0,5 % ; 86 % de son record sur 3 ans) (léger recul net (−3,0 % en 3 ans), sous le seuil de déclin (−10 %))
La « zone rouge » de la courbe ne dit que le niveau : au-delà de ~1 371 naissances par an, un prénom recule en moyenne l'année suivante. La tendance observée dit si ce prénom recule déjà.
Léo en 2025
✓Juste
La vidéo : déclin (zone rouge)
En vrai : niveau 2025 : zone declin (3 590 naissances) ; tendance observée : en baisse (part 2023-2025 vs 2020-2022 : −12,0 % ; sur 1 an lissé : +1,7 % ; 86 % de son record sur 3 ans) (conforme (déjà en baisse))
La « zone rouge » de la courbe ne dit que le niveau : au-delà de ~1 371 naissances par an, un prénom recule en moyenne l'année suivante. La tendance observée dit si ce prénom recule déjà.
Louise en 2025
~À nuancer
La vidéo : déclin (zone rouge)
En vrai : niveau 2025 : zone declin (3 075 naissances) ; tendance observée : sans tendance forte (< 10 % en 3 ans) (part 2023-2025 vs 2020-2022 : −4,5 % ; sur 1 an lissé : +0,8 % ; 38 % de son record sur 3 ans) (léger recul net (−4,5 % en 3 ans), sous le seuil de déclin (−10 %))
La « zone rouge » de la courbe ne dit que le niveau : au-delà de ~1 371 naissances par an, un prénom recule en moyenne l'année suivante. La tendance observée dit si ce prénom recule déjà.
Jade en 2025
~À nuancer
La vidéo : déclin (zone rouge)
En vrai : niveau 2025 : zone declin (2 925 naissances) ; tendance observée : sans tendance forte (< 10 % en 3 ans) (part 2023-2025 vs 2020-2022 : −9,8 % ; sur 1 an lissé : +3,1 % ; 73 % de son record sur 3 ans) (recul net (−9,8 % en 3 ans), juste sous le seuil de déclin (−10 %) : presque conforme)
La « zone rouge » de la courbe ne dit que le niveau : au-delà de ~1 371 naissances par an, un prénom recule en moyenne l'année suivante. La tendance observée dit si ce prénom recule déjà.
Ambre en 2025
~À nuancer
La vidéo : déclin (zone rouge)
En vrai : niveau 2025 : zone declin (2 805 naissances) ; tendance observée : au sommet, sans tendance forte (< 10 % en 3 ans) (part 2023-2025 vs 2020-2022 : +7,5 % ; sur 1 an lissé : −3,7 % ; 98 % de son record sur 3 ans) (pas encore : au sommet (légère hausse : +7,5 % en 3 ans))
La « zone rouge » de la courbe ne dit que le niveau : au-delà de ~1 371 naissances par an, un prénom recule en moyenne l'année suivante. La tendance observée dit si ce prénom recule déjà.
Ce qu’elle fait dire aux études
On a relu chaque article cité, à la page près.
Le « taux de mutation » de Matthew Hahn
~À nuancer
La vidéo : Hahn mesurerait le taux de mutation des prénoms.
En vrai : Hahn et Bentley comptent les prénoms qui entrent dans le top 1 000 d’une décennie aux États-Unis : 1,6 (garçons) et 2,3 (filles) pour 10 000 naissances [4, p. S121–S122, fig. 2]. Le pourcentage de la vidéo est une mesure sur le fichier de l’Insee. (simplifié)
Le tirage au hasard donne la loi de Zipf
≈À peu près
La vidéo : Copier proportionnellement à la fréquence suffit.
En vrai : Oui, à condition d’ajouter de rares inventions, sinon un seul prénom finit par tout occuper [4]. Et depuis, la copie au pur hasard a été rejetée [9, préprint, p. 3]. (globalement juste, simplifié)
Berger : montée et descente proportionnelles
✗Faux
La vidéo : La vitesse de montée serait proportionnelle à la vitesse de chute.
En vrai : L’article de Berger et Le Mens mesure un risque d’abandon : +12,5 % pour une montée 10 % plus rapide [8, fig. 2]. Aucune proportionnalité publiée. Il porte bien sur la France et les États-Unis. (inexact)
La courbe en cloche vient de Newberry
~À nuancer
La vidéo : Déclin des très rares, maximum vers 100, bascule ensuite.
En vrai : La bascule est compatible avec l’article (≈ 515 à 2 060 naissances françaises en 2025, notre conversion) [9, préprint, fig. 1c, p. 3]. Le déclin des très rares et le pic ne viennent pas de l’article, et le déclin est en partie un effet du seuil de l’Insee. (partiellement juste)
Chez les chiens, « exactement pareil »
~À nuancer
La vidéo : Les races de chiens suivraient exactement la même courbe.
En vrai : Les races rares progressent aussi plus vite (+16 % par an pour les plus rares), mais il faut en plus un goût pour la nouveauté pour expliquer les cycles [9, préprint, fig. 3, p. 5–6]. La correspondance race / prénom est une construction de la vidéo. (simplifié)
Les jupes, synchronisation collective
~À nuancer
La vidéo : La longueur des jupes se synchroniserait de plus en plus.
En vrai : Des cycles semblables au Royaume-Uni et en Allemagne (1954–1990), mais une variété des longueurs qui augmente avec le temps [10]. (simplifié)
Des poteries « du temps de Cléopâtre »
~À nuancer
La vidéo : Des poteries d’il y a deux mille ans suivraient la même loi.
En vrai : La référence porte sur des poteries néolithiques (5 300–4 850 avant notre ère) [5]. Il existe bien une étude sur des poteries d’environ deux mille ans, mais dans l’Illinois [23]. (imprécis)
Boyd et Richerson, deux biologistes
~À nuancer
La vidéo : Deux biologistes des années 1970.
En vrai : Un anthropologue (formé en écologie) et un écologue ; leur livre de référence date de 1985 [24]. (simplifié)
La mention très bien selon le prénom
✓Juste
La vidéo : Certains prénoms décrochent plus de mentions au bac.
En vrai : C’est le travail de Baptiste Coulmont, qui insiste comme la vidéo sur le milieu social, pas sur le prénom [29]. Ses chiffres ne sont pas sous licence libre : on ne les reprend pas. (conforme dans l’esprit, non reproductible ici)
Une demi-vie de quelques années
≈À peu près
La vidéo : 5,9 ans pour les filles, 6,6 pour les garçons, en moyenne.
En vrai : C’est une mesure de la vidéo, aucune étude ne la publie. La nôtre dépend des prénoms retenus : la signature n°2 et la méthode. (proche)
Les coulisses · Méthodes
Comment on mesure tout ça, sans jargon.
Chaque chiffre du site sort d’un programme qu’on peut relancer, à partir de fichiers publics. Voici les méthodes qui demandent un peu d’astuce, chacune avec un exemple réel. Les seuils et les définitions complètes sont dans la méthode.
La demi-vie, et pourquoi on emprunte une méthode aux essais cliniques
Comme la radioactivité : on part du pic d’un prénom (sa part des naissances de son sexe, l’année record) et on compte les années qu’il lui faut pour tomber à la moitié. On interpole entre deux années, d’où les décimales.
Problème : beaucoup de prénoms ne sont pas encore redescendus. Les ignorer, c’est ne garder que les modes courtes, et sous-estimer la durée. Les médecins ont le même souci dans un essai : à la fin de l’étude, certains patients vont encore bien. La méthode de Kaplan-Meier les garde en disant seulement « au moins tant d’années ». C’est ce qu’on fait aussi, pour vérifier.
Pour de vrai
Demi-vie médiane des prénoms qui ont fini de redescendre : 4,9 ans (filles), 5,4 ans (garçons).
En gardant les 1 665 prénoms pas encore redescendus (Kaplan-Meier) : 5,6 ans et 6,3 ans. Les vraies modes durent un peu plus longtemps que ce que suggère le calcul naïf.
L’indice géographique « robuste », ou l’art de ne pas s’emballer
L’indice compare, dans un département, les bébés qui ont reçu le prénom à ceux qu’on attendrait s’il était donné partout pareil : observés ÷ attendus. 2 = deux fois plus que la moyenne.
Dans un petit département, trois bébés de plus suffisent à faire exploser l’indice. Alors on le « rétrécit » : on ajoute au numérateur et au dénominateur le même petit nombre a, comme si on mélangeait le département avec un peu de « France moyenne ». Avec beaucoup de bébés, ça ne change presque rien ; avec peu, l’indice revient vers 1. Le nombre a est estimé sur tous les départements à la fois (entre 5 et 200) : c’est un bayésien empirique, une méthode classique d’épidémiologie.
Pour de vrai
Nolwenn, bébés nés dans le Finistère : 305 naissances observées, 60,9 attendues. Indice brut : 5,01. Robuste : (305 + 5) ÷ (60,9 + 5) = ×4,7, avec 90 % de chances d’être entre 4,27 et 5,15.
Son berceau, Morbihan en 1968–1974 : 115 naissances seulement, un indice brut de ×24,4… ramené à ×12,3. Peu de bébés, gros rapprochement.
Le fichier départemental ne publie un prénom que s’il a été donné au moins 3 fois dans le département et l’année [1]. Dans un petit département, où les prénoms rares sont nombreux, une grosse part des bébés disparaît du total. Diviser par ce total gonflerait tous les indices.
Depuis 1998, on a mieux : les naissances officielles de l’état civil, par département de naissance. C’est la référence de l’indice robuste. Avant, faute de mieux, on montre seulement des nombres de naissances (les ronds de la carte), jamais d’indice.
Pour de vrai
Années 2010 : le fichier des prénoms ne « voit » que 36 % des bébés nés en Lozère (1 750 sur 4 896), contre 86 % dans le Nord.
Pour toute la France en 2025 : 589 485 bébés dans le fichier, 643 905 naissances officielles.
Combien sont encore en vie ? Les tables de mortalité
Personne ne compte les Gabriel vivants. On l’estime : pour chaque année de naissance, on prend les bébés du fichier et on les fait « vieillir » avec les quotients de mortalité de l’Insee, la probabilité de mourir à chaque âge, génération par génération. C’est la méthode qu’avait popularisée le site FiveThirtyEight aux États-Unis.
Une estimation, pas un comptage : elle suppose que tous les prénoms d’une génération meurent au même rythme, et ignore les migrations (7 approximations listées dans la méthode).
Pour de vrai
61,4 % des 174 235 Jean-Claude nés depuis 1900 seraient en vie, soit environ 107 014 personnes ; la moitié ont moins de 72 ans.
Les porteurs d’un prénom des années 1950 meurent-ils plus que ceux d’un prénom des années 1980 ? Question piège : on meurt plus à 70 ans qu’à 30. Alors on compare chaque prénom à sa propre génération : combien de décès on attendrait si ses porteurs mouraient exactement comme tous les gens nés la même année. Puis observés ÷ attendus. 1 = comme tout le monde ; 0,9 = 10 % de décès en moins. Décès observés : 1980–1989 et 2011–2025, dans le fichier des personnes décédées de l’Insee [3].
Corrélation, pas causalité : le prénom ne fait pas vivre plus ou moins longtemps. Il est un marqueur du milieu social des parents, lui-même lié à la santé, au métier et aux conditions de vie.
Pour de vrai
Jean, hommes nés en France de 1946 à 1970 : 60 004 décès observés entre 30 et 69 ans, 61 216 attendus. Ratio : 0,98 (entre 0,972 et 0,988 à 95 %) : à peine moins de décès que sa génération.
Même idée que pour la mortalité. Les maires ne sont pas des bébés : ils sont nés en moyenne en 1966. Un prénom de leur génération y sera forcément nombreux. Pour chaque élu, on regarde son sexe et son année de naissance, et on calcule la chance qu’il ait reçu ce prénom par hasard. La somme donne les élus « attendus ».
Indice affiché seulement si on en attend au moins 5 ; moins de 5 élus observés, on écrit « moins de 5 », pour ne désigner personne. Un marqueur social, pas un talent.
Pour de vrai
Michel, hommes : 695 maires (sur 34 590), 683 attendus vu leur âge. Indice : ×1,02, à peine plus de maires que prévu.
Les rues : un programme qui lit toutes les plaques
La Base Adresse Nationale compte 2 201 995 voies. Un programme cherche celles qui honorent une personne avec un prénom (« rue Jean Moulin », oui ; « rue des Lilas », non) : 223 276 voies, soit 12,5 %.
Un programme se trompe. Alors on mesure combien : on tire des voies au hasard et on les relit à la main. C’est la précision (ce qui est compté est-il juste ?) et le rappel (oublie-t-on des voies ?).
Pour de vrai
200 voies tirées au hasard, relues à la main : 1 % d’erreurs (entre 0,3 % et 3,6 %, à 95 %).
Sur 100 voies aux prénoms rares, plus piégeuses : 9 % d’erreurs.
Une base de référence, c’est aussi une base qui dit où elle ne voit pas. Voici les angles morts, sans langue de bois.
Les prénoms donnés moins de 3 fois sont invisibles
Pour protéger les familles, l’Insee ne publie un prénom que s’il a été donné au moins 3 fois dans l’année [1]. « Absent » veut dire « moins de 3 », pas « zéro » : le site écrit « – », jamais 0.
En 2025, le fichier public compte 589 485 bébés, pour 643 905 naissances officielles : 8 % des bébés ont un prénom trop rare pour être publié (ou se perdent dans les arrondis).
Chaque nombre est arrondi à 5 près
Dans l’édition 2026 du fichier, l’Insee arrondit chaque effectif au multiple de 5 [1]. Un prénom affiché à 5 naissances peut en avoir eu de 3 à 7. Les rangs affichés sont ceux de l’Insee, calculés sur les vrais nombres.
Avant 1946, le fichier est incomplet
L’Insee ne garantit pas que le fichier soit complet pour les naissances les plus anciennes, avant 1946 [1]. Les courbes du début du siècle sont justes dans leurs grandes lignes, pas à l’unité près. Et Mayotte n’y figure que depuis 2012.
Léa et Lea comptent ensemble
On regroupe les graphies qui ne diffèrent que par les accents (Léa et Lea), mais pas les autres (Léah reste à part). C’est un choix : il change un peu les comptes, jamais les tendances.
Un seul prénom par personne : le premier
Le fichier ne connaît que le premier prénom de l’état civil. Une Marie-Charlotte qu’on appelle Charlotte compte comme Marie-Charlotte ; un deuxième prénom n’existe pas pour lui.
Né en France, ce n’est pas vivre en France
Le fichier compte les naissances en France. Une personne arrivée de l’étranger n’y est pas ; une personne partie vivre ailleurs y reste. Le nombre de porteurs vivants est donc une estimation, plus fragile pour les prénoms fréquents chez les immigrés.
Et la carte parle du département de naissance, souvent celui de la maternité : « parmi les bébés nés à Paris », pas « les Parisiens ».
Un prénom ne cause rien
Longévité, élus, mentions au bac : un prénom est un marqueur de génération, de région, de milieu social ou d’origine. Il ne fait ni vivre plus longtemps, ni gagner une élection. Corrélation n’est pas causalité.
Les études parlent souvent d’autres pays
Beaucoup de chiffres d’études sont américains, avec leurs définitions (top 1 000 d’une décennie, pour 10 000 naissances…). On les cite avec leur contexte, jamais comme une mesure française. Ceux de Newberry et Plotkin viennent d’une version préprint [9].
Le jouet n’est pas la France
La simulation montre des mécanismes. Qu’elle reproduise une courbe ne prouve pas que les parents raisonnent ainsi, et ses chiffres ne se comparent pas un à un avec les vrais.
Petits nombres, grandes incertitudes
Un indice calculé sur dix bébés ne veut pas dire grand-chose. On rapproche de 1 les petits effectifs, on donne des intervalles quand on les a, et sous un seuil, on n’affiche rien. Tous les seuils sont dans la méthode.
Pour s’y retrouver · Glossaire
Les mots savants, en clair.
Part (des naissances)
Naissances d’un prénom pour 100 000 bébés du même sexe la même année. Elle efface le baby-boom et les creux de natalité.
Pic
L’année où la part d’un prénom est la plus haute.
Demi-vie
Le temps qu’il faut à un prénom, après son pic, pour retomber à la moitié de sa part. Voir la méthode →
Médiane
La valeur du milieu : la moitié des cas sont au-dessous, la moitié au-dessus. Moins sensible aux extrêmes que la moyenne.
Censure
Une durée qu’on ne connaît qu’en partie : un prénom pas encore redescendu a une demi-vie « d’au moins tant d’années ».
Kaplan-Meier
La méthode des essais cliniques pour estimer une durée en gardant les cas censurés, au lieu de les jeter. Voir la méthode →
Feu de paille
Un prénom qui monte très vite et retombe aussi vite. Plus la montée est rapide, plus l’abandon arrive tôt. Voir la signature n°2 →
Loi de puissance
Une règle où quelques éléments sont énormes et une foule minuscule : sur des axes logarithmiques, elle dessine une droite.
Loi de Zipf
Le classement des prénoms (ou des mots d’un texte) suit une loi de puissance : le n°1 écrase le n°2, qui écrase le n°3… Voir la signature n°3 →
Échelle logarithmique
Un axe où chaque graduation multiplie par 10 au lieu d’ajouter 10. Pratique pour montrer 3 et 3 000 sur le même dessin.
r² (coefficient de détermination)
À quel point des points collent à une courbe : 1 = parfaitement, 0 = pas du tout.
Corrélation
À quel point deux mesures varient ensemble, de −1 (en sens opposé) à 1 (dans le même sens). Elle ne dit jamais qui cause quoi.
Évolution culturelle
L’étude de la culture comme un héritage qui se transmet, se copie, mute et se sélectionne, avec les outils de la biologie de l’évolution. Voir le chapitre →
Dérive neutre
Un monde où chacun copie au hasard, sans qu’aucun prénom soit meilleur : les fréquences montent et descendent par pure chance. Voir le chapitre →
Mutation (ou innovation)
Un prénom jamais vu, inventé ou importé. Sans mutations, la diversité ne peut que fondre.
Sélection dépendante de la fréquence
Quand la chance d’être copié dépend de la fréquence elle-même : ici, plus un prénom est répandu, moins il progresse. Voir la courbe en cloche →
Conformisme, anti-conformisme
Copier ce que fait la majorité, ou au contraire l’éviter. Les prénoms penchent du second côté dès qu’ils sont trop portés.
Indice de sur-représentation
Bébés qui ont reçu le prénom dans un département ÷ bébés attendus s’il était donné partout pareil. 2 = deux fois plus que la moyenne. Voir la méthode →
Rétrécissement (bayésien empirique)
Rapprocher de la moyenne les valeurs calculées sur peu de cas, d’autant plus qu’il y a peu de cas. L’antidote aux records fantômes des petits départements. Voir la méthode →
Intervalle de confiance (ou crédible)
La fourchette où la vraie valeur a, disons, 90 ou 95 chances sur 100 de se trouver. Plus il y a de données, plus elle est étroite.
Centre de gravité
Le point moyen des lieux de naissance des bébés d’un prénom. Un point calculé, parfois au milieu d’un champ. Voir la carte →
Berceau
Le département où un prénom est le plus sur-représenté au moment où il décolle.
Secret statistique (seuil de diffusion)
La règle qui empêche de publier un nombre trop petit, pour ne reconnaître personne. Voir les limites →
Ratio de mortalité standardisé
Décès observés ÷ décès attendus si les porteurs mouraient exactement comme leur génération. 1 = comme tout le monde. Voir la méthode →
Standardisation indirecte
Calculer des « attendus » en appliquant à un groupe les taux de toute la population, à âge et sexe égaux, puis comparer. Voir les élus →
Précision et rappel
Pour un programme qui trie : la précision dit si ce qu’il garde est juste, le rappel s’il n’oublie rien. Voir les rues →
Préprint
Un article mis en ligne avant sa publication dans une revue. Sérieux, mais pas encore (ou autrement) relu par les pairs.
Et le tien ?
Chaque prénom porte la trace de ces trois forces.
Tape un prénom : sa courbe, sa place dans la cloche, sa carte, ses porteurs aujourd’hui.
Cette page s’inspire d’une vidéo de vulgarisation sur la mode des prénoms et des travaux cités. Les chiffres sont recalculés par DataPrenom.fr sur le fichier de l’Insee (1900–2025), sauf ceux attribués à une étude, avec leur référence. Bibliographie : les sources ; définitions : la méthode.
Comment on calcule ?
On compte, chaque année, les prénoms différents publiés par l’Insee. Les graphies qui ne diffèrent que par les accents comptent pour un (Léa et Lea), Léah reste à part. Un prénom n’est publié que s’il a été donné au moins 3 fois dans l’année [1] : les plus rares existent, mais ne sont pas comptés.
Le léger recul après 2022 est à prendre avec des pincettes : quand les naissances baissent et que les choix s’éparpillent, des prénoms passent sous ce seuil et sortent du compte, sans avoir disparu.
Le fichier complet, que l’Insee ne diffuse pas, dit la même chose en plus fort : 8 007 prénoms différents pour les bébés de 1946, 65 940 pour ceux de 2025, en comptant chaque orthographe à part et les prénoms donnés une ou deux fois [2, p. 1].
Insee, Fichier des prénoms [1] ; Insee Première n° 2127 [2]