Données : du besoin d'information à la base propre

1Le cycle de la gestion de l'information

1. Besoins d'information : quelles décisions doivent être prises, par qui, et quelles informations les éclairent ?
2. Collecte : données secondaires d'abord (ce qui existe déjà), puis primaires si nécessaire.
3. Traitement : saisie, nettoyage, structuration, stockage sécurisé.
4. Analyse : tendances, comparaisons, gaps, sévérité.
5. Diffusion : tableaux de bord, cartes, 4W, notes de synthèse, au bon public et au bon moment.
6. Retour : les produits sont-ils utilisés ? On ajuste.

Le premier réflexe : ne pas collecter ce qu'on n'utilisera pas. Chaque question coûte du temps aux personnes interrogées et crée un risque pour leurs données.

2Les données de référence

• Codes P (P-codes) : codes uniques pour chaque unité administrative (région, district, commune) et parfois les localités. Ils évitent les erreurs d'orthographe et permettent de relier les bases de données entre elles.
• Données opérationnelles communes (COD) : frontières administratives et chiffres de population de référence validés pour le pays, publiés notamment sur HDX (Humanitarian Data Exchange, plateforme d'OCHA).
• Normes de données : par exemple les balises HXL (Humanitarian Exchange Language) ajoutées sous les en-têtes des tableaux pour faciliter le partage.

Toujours utiliser les mêmes codes et la même version des frontières que le cluster et OCHA, sinon les données ne se combinent pas.

3Collecte mobile et qualité

• Outils courants : KoboToolbox et ODK (formulaires sur téléphone, hors ligne), avec contraintes de saisie (listes, bornes, champs obligatoires) qui évitent les erreurs à la source.
• Tester le formulaire avant le terrain, former les enquêteurs, prévoir la traduction des questions.
• Consentement éclairé en début de questionnaire, et coordonnées GPS seulement si elles sont nécessaires.

4Nettoyer les données

Avant toute analyse : un journal de nettoyage qui garde la trace de chaque modification (jamais de correction silencieuse dans la base originale).

• Doublons (même ménage enregistré deux fois).
• Valeurs aberrantes (un ménage de 45 personnes, un âge de 150 ans).
• Incohérences (enfant de 3 ans marié, dépenses supérieures au revenu déclaré sans explication).
• Entretiens trop courts ou réalisés hors des heures prévues.
• Noms de lieux harmonisés avec les codes P.

5Partir des décisions : matrice des besoins d'information et examen des données secondaires

La plupart des échecs en gestion de l'information ne viennent pas d'un mauvais outil, mais d'une collecte lancée sans savoir à quelle décision elle doit servir. Le résultat est connu : un questionnaire de 180 questions, une base que personne n'analyse entièrement, et un rapport publié trop tard pour influencer la planification. La méthode qui suit, utilisée par les équipes de gestion de l'information des clusters et des grandes ONG, ramène chaque donnée à une décision.

Étape 1 : inventorier les décisions (jour 1, 2 à 3 heures)

L'officier de gestion de l'information (IMO) réunit, ou interroge séparément, les personnes qui décident : coordinateur de cluster ou chef de mission, responsables de programmes, logisticien, responsable sécurité, parfois le bailleur. Pour chacun, trois questions : quelle décision devez-vous prendre dans les trois prochains mois ? à quelle date ? que vous manque-t-il pour la prendre ? Les réponses typiques sont : où prépositionner des stocks, quelles communes prioriser, quel montant de transfert fixer, quelle modalité retenir, où ouvrir une clinique mobile.

Étape 2 : construire la matrice des besoins d'information

Chaque décision est déclinée en questions d'analyse, puis en indicateurs, puis en sources. La matrice devient le contrat entre l'équipe de gestion de l'information et les utilisateurs : ce qui n'y figure pas n'est pas collecté.

Test de pertinence : pour chaque question du futur questionnaire, l'IMO doit pouvoir pointer la ligne de la matrice qu'elle alimente. Une question qui ne correspond à aucune ligne est supprimée, quelle que soit l'insistance de son auteur.

Étape 3 : l'examen des données secondaires (SDR)

Avant toute collecte primaire, on rassemble et on analyse ce qui existe déjà. En réponse soudaine, la démarche multisectorielle d'évaluation initiale rapide (MIRA) de l'IASC prévoit une première analyse fondée surtout sur les données secondaires dans les 72 premières heures, puis un rapport consolidé dans les deux semaines. En crise prolongée, l'examen des données secondaires précède chaque cycle de planification et alimente l'aperçu des besoins humanitaires.

1. Définir le cadre d'analyse : reprendre les questions de la matrice et les organiser par secteur et par zone. Ce cadre servira de grille de classement.
2. Rechercher systématiquement : HDX, ReliefWeb, rapports du cluster, analyses IPC ou Cadre harmonisé, enquêtes nutritionnelles SMART, suivi de la mobilité de l'OIM (DTM), évaluations multisectorielles (MSNA), données des ministères, recensements, rapports de presse locale vérifiés.
3. Extraire et classer : chaque information est saisie dans un tableau avec la source, la date de collecte (et non de publication), la zone, la méthode et un niveau de fiabilité.
4. Évaluer la fiabilité : source connue et méthodologie publiée, échantillon représentatif ou non, date récente ou non, cohérence avec d'autres sources.
5. Identifier les lacunes : les cases vides du cadre d'analyse justifient la collecte primaire, et seulement elles.

Qui fait quoi

• IMO : anime la matrice, conduit l'examen des données secondaires, propose les sources et les méthodes.
• Responsables sectoriels : valident les indicateurs et les seuils techniques (par exemple 15 litres par personne et par jour comme référence Sphère pour l'eau en situation d'urgence).
• Décideurs : valident la matrice et s'engagent sur les dates d'utilisation des produits.
• Responsable de la protection des données ou point focal : vérifie que les données personnelles prévues sont nécessaires.

6Les données de référence en pratique : codes P, COD et tables de correspondance

Les données de référence sont ce qui permet de combiner la base d'une ONG, la 4W du cluster, la population de référence et une carte. Les ignorer revient à produire des chiffres qui ne s'additionnent avec rien. Les lignes directrices de l'IASC sur les jeux de données opérationnelles communes (COD) distinguent deux familles essentielles et des jeux de données complémentaires.

Les jeux de données opérationnelles communes

Comment se construit un code P

Un code P est un identifiant hiérarchique : le code d'une commune contient celui de son district, qui contient celui de sa région. Dans le pays fictif de Valdorie, la région du Haut-Lisse porte le code VD03, le district de Morane VD0302 et la commune de Kessa VD030205. Cette structure permet de remonter d'un niveau par simple troncature, et de vérifier automatiquement qu'une commune appartient bien au district déclaré.

Un nom de lieu n'est jamais un identifiant. La même commune peut s'écrire Kessa, Késsa, Kessah ou Kesa selon l'enquêteur, et deux communes de régions différentes peuvent porter le même nom. Seul le code P relie sans ambiguïté.

Procédure de travail avec les données de référence

1. Télécharger la version en vigueur sur HDX et noter son identifiant de version et sa date dans le dictionnaire de données du projet.
2. Vérifier l'alignement avec le cluster : le groupe de travail sur la gestion de l'information (IMWG) piloté par OCHA indique la version officielle. Une ONG qui utilise une version antérieure verra ses communes « disparaître » lors de la consolidation.
3. Construire la liste de choix du formulaire de collecte directement à partir du fichier COD, en cascade (région, puis district filtré par région, puis commune filtrée par district), avec le code P comme valeur stockée et le nom comme étiquette affichée.
4. Créer une table de correspondance pour les données historiques ou externes : nom tel qu'écrit dans la source, code P attribué, méthode d'attribution, personne qui a validé.
5. Gérer les changements : quand le gouvernement crée une nouvelle commune, la table de correspondance entre ancien et nouveau découpage est conservée pour que les séries temporelles restent comparables.

Exemple de table de correspondance

Les balises HXL dans la pratique

Le langage d'échange humanitaire (HXL) ajoute une ligne de balises sous les en-têtes d'un tableau. Les en-têtes restent libres (en français, en arabe, abrégés), mais les balises sont standard, ce qui permet aux outils de reconnaître automatiquement les colonnes. Exemples courants : #adm1+name et #adm1+code pour la région, #adm2+code pour le district, #org pour l'organisation, #sector pour le secteur, #activity pour l'activité, #targeted et #reached pour les personnes ciblées et atteintes, avec des attributs comme +f, +m, +children ou +adults pour la désagrégation, et #date pour la date. Une 4W balisée en HXL peut être fusionnée avec la population COD en quelques minutes pour calculer une couverture.

Population de référence et dénominateurs

Le dénominateur est la source d'erreur la plus fréquente dans les produits humanitaires. Le COD-PS donne une population résidente projetée, souvent à partir d'un recensement ancien ; elle n'inclut pas toujours les personnes déplacées. Pour un taux de couverture, il faut préciser si le dénominateur est la population totale, la population dans le besoin (chiffre du plan de réponse) ou la population ciblée. Une couverture de 120 % signale presque toujours un dénominateur inadapté ou un double comptage, rarement une réussite.

7Concevoir, tester et déployer un formulaire de collecte mobile

KoboToolbox et ODK reposent sur le même format, XLSForm : un classeur avec une feuille survey (les questions), une feuille choices (les listes de réponses) et une feuille settings (titre, identifiant, version). Maîtriser XLSForm directement, plutôt que l'éditeur graphique, permet de construire des formulaires robustes, versionnés et relus par un pair.

Les colonnes qui font la qualité

Les métadonnées à activer systématiquement

• start et end : heure de début et de fin, indispensables pour contrôler la durée des entretiens.
• today, deviceid et un identifiant d'enquêteur choisi dans une liste (jamais saisi librement).
• audit : fichier de journal qui enregistre le temps passé sur chaque question ; il permet de repérer les questions sautées en quelques secondes ou les entretiens fabriqués.
• Un champ de consentement en tête, avec fin du formulaire si la personne refuse.

Taille d'échantillon : le calcul que l'on doit savoir refaire

Pour estimer une proportion dans une population, la formule de base est n = z² × p × (1 − p) / e², où z vaut 1,96 pour un niveau de confiance de 95 %, p est la proportion attendue (0,5 si on ne sait pas, ce qui maximise n) et e la marge d'erreur. Avec 95 % de confiance et une marge de 5 %, n = 384. Avec une marge de 10 %, n = 96. On applique ensuite :

• la correction pour population finie si la population est petite : n corrigé = n / (1 + (n − 1) / N). Pour un site de 1 200 ménages, 384 devient 291 ;
• l'effet de plan en cas de sondage en grappes (souvent 1,5 à 2) : on multiplie n ;
• une marge pour les non-réponses (souvent 5 à 10 %) ;
• le calcul par strate : si l'on veut des résultats représentatifs par commune et par statut (déplacés, hôtes), chaque strate doit avoir sa propre taille d'échantillon. C'est ce qui fait exploser les budgets : il faut décider avec les utilisateurs quels niveaux de désagrégation sont réellement nécessaires.

Protocole de test en quatre temps

1. Relecture technique par un second IMO : noms de variables, contraintes, sauts, listes, traductions. Compter 2 à 4 heures pour un formulaire de 60 questions.
2. Test au bureau : remplir 20 à 30 fois le formulaire avec des scénarios extrêmes (ménage d'une personne, ménage de 18 personnes, refus de consentement, personne handicapée), puis télécharger les données et vérifier que la base sort dans la structure attendue.
3. Pilote sur le terrain : 10 à 20 entretiens réels hors échantillon, par les enquêteurs eux-mêmes. On mesure la durée réelle, on note les questions mal comprises et les catégories manquantes (« autre » qui revient souvent).
4. Gel de la version : le formulaire est publié avec un numéro de version ; toute modification ultérieure est consignée et communiquée, car elle change la structure de la base.

Formation des enquêteurs : contenu minimal

Deux à trois jours pour une enquête multisectorielle, un jour pour un suivi simple. Le programme couvre l'objectif de l'enquête et l'usage des données, la lecture question par question avec la définition de chaque terme (qu'est-ce qu'un ménage ? qui est chef de ménage ?), la technique d'entretien et le consentement, les principes de protection (ne pas poser de questions sur les violences sans formation spécifique, savoir orienter vers un service), la manipulation du téléphone et l'envoi des données, et une journée de pratique en binômes avec correction. Un test écrit en fin de formation permet de ne retenir que les enquêteurs qui maîtrisent les définitions.

Le coût d'une question supplémentaire n'est pas nul : sur 800 entretiens, une minute de plus représente plus de 13 heures d'enquête, et chaque minute au-delà de 45 à 60 minutes dégrade la qualité des réponses.

8Exemple complet : une évaluation multisectorielle de la base brute à la base propre

Contexte fictif : à la suite d'affrontements, environ 9 400 ménages déplacés se sont installés dans trois communes du district de Morane (Valdorie) : Kessa, Lounda et Tarbé, dans des sites et chez des familles d'accueil. Le cluster demande une évaluation multisectorielle pour la planification du trimestre. L'ONG fictive « Solidarité Haut-Lisse » est chargée de la collecte, avec 16 enquêteurs, 2 superviseurs et une IMO.

1. Matrice et échantillon

La matrice retient 41 indicateurs (contre 112 dans la première version proposée par les secteurs). Les utilisateurs demandent des résultats par commune et par statut (déplacés en site, déplacés en famille d'accueil, population hôte), soit 9 strates. Avec 95 % de confiance et 10 % de marge, il faut 96 entretiens par strate, arrondis à 100 avec la marge de non-réponse, soit 900 entretiens. Faute de budget, la population hôte de Tarbé, peu affectée selon l'examen des données secondaires, est couverte par une seule strate commune avec Lounda : 8 strates, 800 entretiens visés.

2. Collecte

Durée moyenne mesurée au pilote : 38 minutes. Chaque binôme réalise 8 à 10 entretiens par jour ; la collecte dure 6 jours. Les données sont envoyées chaque soir ; l'IMO exécute les contrôles quotidiens avant 9 heures et transmet aux superviseurs la liste des entretiens à vérifier, qu'ils traitent le jour même pendant que les équipes sont encore dans la zone.

3. Résultats des contrôles

4. Extrait du journal de nettoyage

5. Bilan et décisions

Sur 836 entretiens reçus (les équipes ont légèrement dépassé l'objectif), 36 sont supprimés (24 pour durée, 9 doublons d'envoi, 3 doublons probables) : la base propre compte 800 entretiens. La strate « déplacés en famille d'accueil, Lounda » n'atteint que 87 entretiens après nettoyage : ses résultats seront publiés avec une marge d'erreur plus large, indiquée explicitement. L'enquêteur à l'origine de 19 entretiens trop courts est retiré de l'équipe ; ses 41 autres entretiens sont tous contrôlés par rappel téléphonique d'un échantillon de 10, dont 8 confirmés.

La base est livrée en trois fichiers : la base brute (jamais modifiée, accès restreint), la base propre (sans noms ni téléphones, codes P vérifiés) et le journal de nettoyage, accompagnés d'un dictionnaire de données et d'une note méthodologique d'une page qui mentionne les limites (zones non accessibles à Tarbé-Est, sous-déclaration probable des revenus).

9Structurer et documenter la base : règles, dictionnaire et contrôles quotidiens

Une base propre n'est pas seulement une base sans erreurs : c'est une base qu'une autre personne peut reprendre, comprendre et réanalyser six mois plus tard sans appeler son auteur. Les évaluateurs et les auditeurs vérifient justement cette reproductibilité.

Les règles de structure

• Une ligne par unité d'observation (ménage, individu, site, distribution), une colonne par variable, une valeur par cellule. Les données individuelles des membres du ménage sont dans une table séparée reliée par l'identifiant du ménage.
• Des identifiants uniques et stables, générés par l'outil (UUID), jamais construits à partir du nom.
• Pas de cellules fusionnées, de couleurs porteuses d'information ni de totaux dans la base : les calculs se font dans une feuille ou un script d'analyse séparé.
• Des codes cohérents pour les valeurs manquantes : distinguer « ne sait pas », « refus de répondre » et « non applicable », qui n'ont pas le même sens analytique.
• Des dates au format ISO (année-mois-jour), qui se trient correctement et évitent les inversions jour et mois entre logiciels.

Le dictionnaire de données

Le tableau des contrôles quotidiens

Pendant la collecte, l'IMO produit chaque matin un tableau par enquêteur. C'est l'outil le plus efficace pour détecter une fraude ou une incompréhension avant qu'elle ne contamine toute la base.

Le pourcentage de réponses « non » aux questions filtres est un indicateur classique : un enquêteur qui répond « non » pour éviter les sous-questions raccourcit l'entretien. Une proximité anormale entre entretiens peut révéler des entretiens remplis au même endroit.

Le circuit de validation

1. L'IMO détecte et liste les cas suspects (matin).
2. Le superviseur vérifie sur le terrain ou par téléphone (journée).
3. L'IMO applique la décision et l'inscrit au journal (soir).
4. En fin de collecte, le coordinateur MEAL ou le responsable d'évaluation valide le journal et les suppressions, et signe la note méthodologique.

Règle de séparation : la base brute n'est jamais modifiée. Toute transformation se fait sur une copie ou par script, et chaque transformation est documentée. C'est la condition pour qu'un auditeur puisse reconstituer le chemin entre la donnée collectée et le chiffre publié.

10Erreurs fréquentes, regard des bailleurs et adaptations selon le contexte

Les erreurs les plus fréquentes sur le terrain

Ce que regardent les bailleurs, les évaluateurs et les auditeurs

• La traçabilité : peut-on relier chaque chiffre rapporté (personnes atteintes, résultats d'enquête) à une base et à une méthode ? Les vérifications sur place des bailleurs comme ECHO ou les auditeurs mandatés par BHA demandent couramment les listes et les bases sources d'un échantillon d'indicateurs.
• La cohérence entre le rapport narratif, le tableau de suivi des indicateurs et les données transmises au cluster.
• La désagrégation promise : si la proposition annonce des données par sexe, âge et handicap, le formulaire doit les collecter, par exemple avec les questions courtes du Groupe de Washington sur le handicap.
• La protection des données : base légale ou consentement, accès limité, durée de conservation. Les accords de financement récents incluent des clauses de protection des données que l'organisation doit être capable de démontrer.
• La méthodologie : taille d'échantillon justifiée, limites déclarées, nombre d'entretiens supprimés et motifs.

Adapter selon le contexte

En urgence, une donnée approximative disponible au bon moment vaut mieux qu'une donnée parfaite disponible trop tard, à condition de déclarer clairement son niveau de fiabilité.

11Questions d'entretien et références clés

Questions d'entretien

1. « Un coordinateur vous demande d'ajouter 40 questions à une évaluation déjà prête. Que faites-vous ? »

Une bonne réponse ne refuse pas par principe : elle revient à la matrice des besoins d'information, demande à quelle décision chaque question doit servir, montre l'impact sur la durée et la qualité (une minute par entretien multipliée par l'échantillon), et propose des alternatives : données secondaires, module ciblé sur un sous-échantillon, collecte ultérieure. Elle mentionne la validation par la personne qui décide.

2. « Comment calculez-vous la taille d'un échantillon pour une enquête de ménages ? »

Le candidat cite la formule, les paramètres (niveau de confiance, marge d'erreur, proportion attendue), la correction pour population finie, l'effet de plan pour les grappes, la marge de non-réponse, et surtout la question des strates : la taille se calcule pour chaque niveau auquel on veut des résultats représentatifs.

3. « Vous constatez qu'un enquêteur produit des entretiens de 12 minutes alors que la moyenne est de 40. Comment réagissez-vous ? »

Elle décrit une démarche factuelle : fichier d'audit, comparaison des indicateurs de qualité, vérification d'un échantillon par rappel ou visite, échange avec l'enquêteur, décision documentée (formation, retrait, suppression des entretiens), et réflexion sur la cause (pression du nombre d'entretiens par jour, rémunération à la tâche).

4. « Pourquoi utiliser les codes P plutôt que les noms de lieux ? »

Unicité, hiérarchie, interopérabilité avec la 4W, la population de référence et les cartes ; elle cite la gestion des versions des limites administratives et la table de correspondance.

5. « Expliquez la différence entre une base brute, une base propre et un journal de nettoyage. »

Elle explique la séparation, la reproductibilité, les droits d'accès différenciés (la base brute contient souvent des données personnelles) et la valeur du journal pour les auditeurs et pour les analyses ultérieures.

6. « Quelles données personnelles collecteriez-vous pour un suivi post-distribution ? »

Le minimum nécessaire : identifiant de ménage permettant de relier à la liste de distribution, éventuellement un téléphone pour le contrôle, supprimé ensuite ; aucune donnée sensible sans justification. Elle mentionne le consentement et la durée de conservation.

Références clés

• Operational Guidance for Coordinated Assessments in Humanitarian Crises et guide de la démarche MIRA : IASC.
• IASC Guidelines on Common Operational Datasets in Disaster Preparedness and Response : IASC, avec les jeux COD publiés par OCHA sur HDX.
• Documentation du standard HXL (Humanitarian Exchange Language) et de l'outil HXL Proxy.
• Documentation XLSForm et guides d'utilisation de KoboToolbox et d'ODK.
• Cadre d'analyse intersectorielle conjointe (JIAF) : groupe de travail mondial de l'IASC sur l'analyse conjointe.
• Méthodologies et guides de nettoyage des données des évaluations multisectorielles (MSNA) : REACH et IMPACT Initiatives.
• Guide de l'ACAPS sur l'examen des données secondaires et sur l'évaluation des sources.
• Questions courtes du Groupe de Washington sur les statistiques du handicap.
• Manuel Sphère (2018) pour les seuils techniques sectoriels utilisés dans les indicateurs.