En Inde, les données de recensement sont de suffisamment bonne qualité pour que l'on puisse se permettre une approche géographique fine des phénomènes socio-économiques, au niveau communal. Cependant, l'ampleur de la variabilité des données à cette échelle, ainsi que le nombre important d'unités à prendre en compte, entraînent des difficultés pour présenter des résultats synthétiques qui mettraient en évidence les grandes structures de l'espace étudié. Notre objectif est de présenter une solution qui, pour reprendre l'expression de Gould, « laisse les données parler d'ellesmêmes ». Il s'agit de dévoiler les tendances régionales tout en conservant le détail des données communales. Pour cela, nous avons recours à des indices locaux d'autocorrélation spatiale qui permettent de mesurer les similarités (et les dissimilarités) entre voisins. Les indicateurs locaux d'association spatiale (LISA), développés par Luc Anselin (1995) permettent en effet de mesurer le degré de ressemblance d'une unité spatiale avec ses voisines. On peut ainsi révéler les tendances régionales tout en conservant les valeurs locales, c'est-à-dire préserver l'information relative à l'hétérogénéité interne de ces zones. Notre exposé présentera d'abord les LISA dans leur dimension statistique, étape nécessaire pour comprendre le fonctionnement de ces indicateurs et les limites inhérentes à leur construction. Nous proposerons ensuite une application où nous nous servons de ces indicateurs pour proposer un découpage spatial original du Tamil Nadu. Cet état, situé au sud-est de l'Inde, compte aujourd'hui plus de 62 millions d'habitants répartis sur plus de 16 000 communes, ce qui constitue un cadre remarquable pour tester l'efficacité de cette méthode.