Différents travaux ont traité de la cartographie et de l’analyse de l’occupation des sols (OS) au Maroc nord-occidental. Toutefois, aucune analyse quantitative ou qualitative n’a été effectuée sur l’interrelation existante entre les mouvements gravitaires (MG) et l’OS. Cet article s’intéresse à la cartographie et à la caractérisation des MG et des badlands (BL) dans la province de Chefchaouen (Maroc nord-occidental), et à l’analyse de leur relation spatiale avec les différentes classes d’OS. Les MG dominants du secteur sont les glissements, les écroulements, les coulées de débris et les sapements de berge. Les badlands (BL) ne sont pas en soi des MG mais ils sont caractérisés par une succession de talwegs et de crêtes liés à une érosion linéaire, générant une perte de terres agricoles ; c’est raison pour laquelle leur localisation et leur extension sont également analysées. L’OS est caractérisée par la forêt dense, le matorral ou maquis, les terrains reboisés, les terrains agricoles sensu stricto, les terrains nus, les zones urbanisées et les plans d’eau. L’analyse de la distribution spatiale des MG en fonction de l’OS montre que les fortes fréquences de MG et BL sont liées aux terres agricoles (45 %), les zones forestières denses subissant un défrichement accru (24 %) et les zones de maquis (11 %), en raison du caractère discontinu de leur végétation. Les glissements, les sapements de berge et les badlands sont omniprésents sur les terrains agricoles. Quant aux coulées de débris et aux écroulements, ils se développent là où les massifs rocheux (calcaires, grès, et quartzites) dominent, en association avec un mélange de matorrals et d’îlots de forêt dense.

The increasing pace of urbanization has heightened the need for urban systems that are both sustainable and resilient. While extensive research has been conducted on these two concepts, the interplay between them remains insufficiently explored. In particular, sustainability is often associated with efficiency—maximizing resource utilization—whereas resilience emphasizes redundancy, ensuring the presence of backup systems to mitigate risks. To address this critical gap, a comprehensive framework is proposed that integrates these dual objectives within urban land-use planning. Geospatial technologies and multi-criteria decision analysis are employed to systematically assess the balance between efficiency and redundancy in urban environments. A machine learning (ML)-based classification of land use and built-up area changes, combined with demographic and infrastructural data, is utilized to quantify these factors. The proposed approach provides urban planners and policymakers with an adaptable decision-making tool, enabling context-specific prioritization of efficiency or redundancy based on local requirements. In high-density urban areas experiencing rapid expansion, efficiency is emphasized to optimize land and resource use, whereas in regions vulnerable to environmental hazards, redundancy is strategically incorporated to enhance resilience without undermining overall urban functionality. The flexibility of this method offers a significant advantage over rigid, predefined planning policies that may not be suited to specific urban contexts. By facilitating informed decision-making, the framework enhances risk management, optimizes resource allocation, and supports the development of customized urban strategies, ultimately improving long-term urban performance under diverse developmental scenarios.