A toutes les étapes d’un projet, il est crucial de disposer de données de bonne qualité: pour le diagnostic, la formulation, la mise en œuvre et l’évaluation.
Or, dans les pays du Sahel et en Afrique de l’ouest de manière générale, les chefs de projets rencontrent parfois beaucoup de difficultés à accéder à des données fiables, actualisées et à la bonne granularité.
Les instituts nationaux de statistique et les partenaires au développement ont certes mobilisé des efforts considérables pour combler le gap. En 2020, on trouve plus facilement des données pour un sujet donné qu’on pouvait le faire en 2005. Le développement de l’internet y a certainement joué un rôle.
Lorsqu’on arrive enfin à trouver, après des heures de recherches, les si précieuses données portant sur le sujet d’intérêt, il convient de s’entourer de quelques précautions avant de les utiliser dans le diagnostic ou l’établissement d’une situation de référence.
Des données à la bonne granularité?
La définition des indicateurs est une étape importante dans la formulation d’un projet. La précision des sources de vérification également. Cf. Cadre logique.
Avec de la chance, d’autres acteurs ont déjà travaillé sur le phénomène dans la même région. Avec encore plus de chance, vous pourrez accéder à leurs rapports d’études détaillés.
Dans ce cas de figure, vous devrez quand même prêter attention à la granularité des données. Par exemple, vous pouvez trouver des données portant sur les seules unités « ménages » alors que vos propres indicateurs de mesure ciblent les « individus ».
En général, vous aurez rarement accès aux bases de données détaillées issues d’études précédentes. Les annexes des rapports proposent généralement des tableaux de synthèse résumés par âge, sexe ou tout autre critère sociodémographique.
Les subdivisions en classes d’âges sont une illustration courante de ce cas de figure. C’est le cas lorsque vous souhaitez obtenir une mesure d’un indicateur pour la tranche « 15-20 ans » alors que les données disponibles sont agrégées pour la catégorie plus large des « 15-25 ans » par exemple.
Vous pourrez toujours réaliser des approximations pour estimer et déduire les données d’intérêt. Néanmoins, il convient de procéder avec une certaine prudence.
Des données actualisées ?
Deuxième cas de figure: une même organisation prévoit d’exécuter un projet similaire à un de ses projets antérieurs (mais différent), dans une même région et selon la même granularité.
En principe, ici, le problème de « granularité » ne se posera pas. Vous pourrez en général exploiter les bases de données constituées antérieurement. En revanche, les données sont peut être devenues caduques.
Pour gagner du temps et réaliser des économies, on adopte parfois ces études antérieures, à quelques ajustements près, en guise de situation de référence. Cependant, cela peut induire des biais importants dans la mesure des indicateurs pour au moins deux raisons:
- d’autres organisations (ONG ou des administrations publiques) ont peut être mené des actions ayant eu des effets directs ou indirects sur le phénomène depuis votre dernière intervention ;
- la structure de base de la population a peut être évolué du fait des migrations pour causes de conflits, insécurité ou sécheresse assez fréquents dans la zone.
Lorsque les ressources le permettent, préférez toujours réaliser une étude actualisée du phénomène, même de manière sommaire. L’idéal est de répliquer les méthodologies antérieures, pour pouvoir bénéficier au mieux de la comparabilité temporelle.
Pour mesurer aussi objectivement que possible, vos résultats sur le terrain, il sera souvent nécessaire de recourir initialement à une enquête de référence dédiée.
L’hétérogénéité des sources de données
Certaines organisations alimentent leur système de suivi-évaluation avec des données issues de sources très diverses. Il peut s’agir de statistiques d’un récent recensement, d’enquêtes de suivi de la pauvreté et de la santé, de rapports trouvés sur internet, de mémoires publiés sur le sujet etc.
Ces données, prises individuellement, sont souvent de bonne qualité. Néanmoins, sont-elles homogènes ou compatibles entre elles?
En général, les méthodologies et périodes de collectes sont très éloignées les unes des autres.
Vous pouvez parfois noter des décalages de quelques mois à quelques années concernant la période de collecte de ces données. Il faudra agréger ou comparer de telles données avec prudence. A votre insu, vous pouvez intégrer des biais difficilement quantifiables dans les mesures.
Les spécificités locales au sein d’une même région administrative
Quatrième cas de figure: vous souhaitez étudier un phénomène dans une commune donnée du Sénégal, du Niger ou du Mali. Cependant, les seules données dont vous disposez sont consolidées au niveau des départements ou régions.
Ici, on fait parfois sans hésitation l’hypothèse (forte) d’une incidence homogène et équidistribuée du phénomène à l’intérieur d’une même région. C’est le cas lorsqu’on suppose une incidence identique de la tuberculose dans les 4 départements qui composent la région de Dakar à savoir Guédiawaye, Pikine, Dakar et Rufisque.
Nous savons tous que cela est rarement le cas dans la réalité. C’est plutôt l’exception.
De telles approximations peuvent manquer de fiabilité pour permettre de mesurer la réussite ou l’échec du projet.
Conclusion
La liste n’est pas exhaustive de situations dans lesquelles vous ne pourrez pas faire l’impasse d’une étude de référence dédiée.
Plus vos données seront précises, plus vous serez en mesure d’optimiser les allocations de ressources financières, techniques et humaines pour plus d’efficacité et d’efficience.
Comme dans le domaine médical, le succès de votre projet (le traitement) dépendra beaucoup de la précision de la situation de référence (le diagnostic).
English
Français