Évolution du suivi et de l'évaluation de l'aide étrangère

Depuis des décennies, les donateurs et les organismes de mise en oeuvre ont du mal à mesurer l'impact réel de ces interventions. Les approches traditionnelles de suivi et d'évaluation (M&E) – souvent fondées sur des enquêtes de fin de projet, des rapports périodiques et des visites sur le terrain anecdotiques – se sont révélées insuffisantes pour saisir les résultats en temps réel ou pour attribuer des changements à des activités d'aide particulières. Les innovations récentes ont transformé le paysage de la M&E, en introduisant des technologies et des méthodologies qui permettent une évaluation plus précise, opportune et participative.

Technologies émergentes en M&E

Imagerie par satellite et télédétection

Les images satellitaires sont devenues un outil puissant pour surveiller les projets d'infrastructure, les changements environnementaux et les résultats agricoles.La Banque mondiale utilise maintenant des images à haute résolution pour suivre la construction de routes, la déforestation et l'expansion des réseaux d'irrigation sans avoir besoin d'équipes au sol.

Ainsi, au Soudan du Sud, les données satellitaires ont permis aux organismes humanitaires de surveiller l ' état des établissements de réfugiés et d ' évaluer les risques d ' inondations en temps réel, ce qui a permis de réaffecter les ressources de manière proactive.

Collecte de données mobiles et outils de terrain

La prolifération des smartphones dans les pays à faible revenu, même dans les régions éloignées, a révolutionné la collecte de données sur le terrain. Des outils comme ODK, SurveyCTO et KoboToolbox permettent aux recenseurs d'administrer des enquêtes complexes hors ligne, de saisir les coordonnées GPS et de télécharger des photos ou des enregistrements de voix.

Des organisations comme USAID[ ont intégré la collecte de données mobiles dans leurs flux de travail courants de M&E, ce qui permet aux agents de santé de district de soumettre des rapports hebdomadaires de prestation de services sur le terrain.

Drones et véhicules aériens sans équipage

Dans le contexte du développement, les drones sont utilisés pour cartographier les parcelles agricoles, évaluer les dommages après des catastrophes naturelles et suivre l'avancement de grands projets de construction tels que les écoles ou les cliniques. Le coût des drones commerciaux a fortement diminué, les rendant accessibles aux ONG locales et aux organismes gouvernementaux. Des programmes de formation dans des pays comme le Ghana et le Népal permettent désormais au personnel local de piloter et d'analyser les données des drones, en favorisant la prise en charge locale des processus de M&E.

Internet des objets (IdO) et réseaux de capteurs

Les capteurs IoT permettent de fournir des flux de données continus. Les pompes à eau en Tanzanie rurale, par exemple, sont de plus en plus équipées de capteurs qui transmettent les débits et l'état mécanique aux tableaux de bord centraux. Cela permet aux équipes de maintenance de réparer les pompes cassées en quelques heures, plutôt que d'attendre des inspections trimestrielles.

Analyse des données et intelligence artificielle

Big Data pour l'identification des tendances

L'explosion des données numériques – à partir des appels téléphoniques mobiles, des messages sur les médias sociaux, des transactions financières et des sources administratives – crée des possibilités de M&E qui étaient inimaginables il y a une décennie. L'analyse des données massives permet de cerner les tendances à l'échelle de la population. Par exemple, les dossiers de détails d'appels (DCE) des opérateurs mobiles aident à suivre les mouvements de population après une crise, à informer le ciblage de l'aide humanitaire.

Modèles d'apprentissage automatique

Dans les programmes de vulgarisation agricole, les modèles de ML formés aux données climatiques historiques, aux conditions du sol et aux taux d'adoption peuvent prévoir quels agriculteurs sont les plus susceptibles d'adopter de nouvelles pratiques, ce qui permet aux programmes d'adapter leurs activités de sensibilisation. Dans le domaine de la santé, les algorithmes analysent les dossiers des patients pour identifier les signaux d'alerte précoce des éclosions de maladies, permettant aux organismes d'aide de prépositionner des fournitures.

Traitement des langues naturelles pour les données qualitatives

Les outils de traitement du langage naturel (PNL) peuvent maintenant catégoriser et analyser de grands volumes de texte, extraire des thèmes, des sentiments et des fréquences de mots clés. Le Bureau d'évaluation de l'UNICEF a mis à l'essai le PNL pour synthétiser les conclusions de centaines de rapports d'évaluation, en identifiant les leçons transversales qui ne seraient pas pratiques pour compiler manuellement.

Méthodes d'évaluation novatrices

Approches participatives

Les cadres participatifs de M&E font participer les intervenants locaux à la définition des indicateurs de succès, à la collecte de données et à l'interprétation des résultats. Les techniques comme le changement le plus significatif, les cartes de pointage communautaires et la cartographie participative donnent la parole aux bénéficiaires et révèlent souvent les conséquences imprévues des projets, tant positives que négatives. Par exemple, dans un projet d'assainissement de l'eau au Bangladesh rural, les membres de la collectivité ont indiqué que de nouvelles latrines étaient réutilisées pour le stockage plutôt que pour l'utilisation, ce qui aurait été raté par les évaluateurs externes qui se sont concentrés uniquement sur le dénombrement des infrastructures.

Essais contrôlés randomisés et conceptions quasi expérimentales

Bien que les essais contrôlés randomisés (ECR) constituent la norme aurifère pour établir la causalité, leurs coûts élevés et leurs contraintes éthiques limitent leur utilisation. Des méthodes quasi expérimentales, comme les différences de différence, la discontinuité de régression et l'appariement des scores de propension, offrent des solutions de rechange robustes lorsque la randomisation est impossible.

Systèmes de rétroaction en temps réel

Les systèmes de rétroaction en temps réel utilisent des sondages mobiles, des sondages par SMS et la surveillance des médias sociaux pour recueillir les commentaires des bénéficiaires. Les tableaux de bord affichent instantanément les résultats, ce qui permet une gestion adaptative. L'approche de rétroaction rapide M&E, soutenue par des organisations comme la Fondation Bill & Melinda Gates, permet aux équipes de programme de tester, d'apprendre et d'ajuster la mise en oeuvre sur un cycle hebdomadaire ou mensuel.

Analyse des contributions et traçage des processus

Pour les interventions complexes où la causalité est difficile à prouver, les méthodes d'évaluation fondées sur la théorie comme l'analyse de contribution et le traçage des processus gagnent en traction.Ces méthodes permettent de construire une histoire crédible de la façon dont une intervention a contribué aux changements observés en testant systématiquement d'autres explications.

Blockchain pour la transparence et la responsabilité

La technologie du grand livre distribué offre des applications prometteuses pour la M&E dans l'aide étrangère. Blockchain peut créer une piste de vérification immuable pour les décaissements de fonds, assurant que chaque dollar est suivi d'un donateur à un bénéficiaire final. Les contrats intelligents peuvent automatiquement libérer les paiements lorsque des étapes prédéfinies sont vérifiées – par exemple, un projet de construction scolaire est certifié comme complet via des photos géotaggées téléchargées sur la Blockchain.

Défis et considérations éthiques

Confidentialité et sécurité des données

La prolifération de la collecte de données numériques soulève de graves préoccupations en matière de protection de la vie privée.Les données bénéficiaires, y compris les noms, les lieux, l'état de santé et les renseignements financiers, peuvent être utilisées abusivement si elles ne sont pas correctement protégées.De nombreuses organisations d'aide opèrent dans des contextes où les lois sur la protection des données sont faibles, ce qui impose un lourd fardeau éthique aux évaluateurs pour assurer le consentement éclairé, l'anonymat des données et le stockage sécurisé.

La fracture numérique

Dans de nombreuses régions les plus pauvres, la couverture des réseaux mobiles reste limitée, l'électricité est peu fiable et la connaissance numérique est faible. S'appuyer uniquement sur la collecte de données de haute technologie peut exclure les populations les plus vulnérables et produire des résultats biaisés. Des approches hybrides, combinant des méthodes de faible technologie comme des enquêtes sur papier pour certaines communautés avec des outils numériques pour d'autres, sont essentielles pour assurer la représentativité.

Renforcement des capacités et durabilité

L'introduction d'outils de M&E avancés sans investir dans les compétences et l'infrastructure locales conduit souvent à une dépendance à l'égard de consultants externes.Les projets à court terme peuvent déployer des drones coûteux ou des logiciels d'analyse, mais une fois le financement terminé, le personnel local peut manquer d'expertise pour maintenir les systèmes.L'innovation durable nécessite l'intégration de programmes de formation au sein des institutions locales, la promotion de logiciels libres et le renforcement des capacités analytiques des unités nationales de M&E. Des initiatives comme le Capacité d'évaluation du réseau soutiennent l'apprentissage par les pairs parmi les évaluateurs du Sud mondial.

Validité et pertinence

Les nouvelles technologies et méthodes ne sont pas automatiquement supérieures. L'attrait des « grandes données » peut conduire à mettre l'accent sur ce qui est facile à mesurer plutôt que sur ce qui est important. Par exemple, l'imagerie satellitaire est excellente pour mesurer les changements physiques dans les infrastructures, mais ne fournit aucun aperçu sur la façon dont un projet a amélioré la cohésion sociale ou l'autonomisation.

Orientations futures

Plusieurs tendances façonneront la prochaine vague d'innovation dans le domaine de l'aide étrangère. La convergence de l'intelligence artificielle avec l'imagerie satellitaire permettra de surveiller en temps quasi réel des régions entières pour les changements dans l'activité économique, la dégradation de l'environnement et les risques de conflit. L'utilisation de données synthétiques – générées par des modèles d'IA pour simuler les populations – pourrait aider à combler les lacunes là où les données réelles ne sont pas disponibles ou trop sensibles pour être recueillies.

Les plateformes numériques participatives sont susceptibles de devenir plus sophistiquées, permettant aux collectivités non seulement de fournir des commentaires, mais aussi de co-concevoir des interventions et d'analyser leurs propres données.Les initiatives scientifiques citoyennes, où les bénévoles locaux recueillent et interprètent des données, se développent dans le domaine de la surveillance de la santé et de l'environnement.

Entre-temps, l'accent croissant mis sur la localisation, engagement des principaux donateurs à transférer les ressources et la prise de décisions aux acteurs locaux, stimulera la demande de systèmes de M&E qui sont détenus et gérés par les gouvernements nationaux et les organisations de la société civile.

Enfin, l'intégration de la M&E à la prise de décisions en temps réel, parfois appelée « programmation adaptée », continuera de brouiller la ligne entre l'évaluation et la gestion de projet. Les systèmes qui combinent des flux de données continues avec l'analyse automatisée et les tableaux de bord permettront aux programmes d'aide de réagir à l'évolution des conditions avec une rapidité sans précédent, à condition que les mesures de protection éthique et la surveillance humaine soient maintenues.

Conclusion

Les innovations décrites dans cet article représentent un changement fondamental dans la façon dont les projets d'aide étrangère sont surveillés et évalués. L'imagerie satellitaire, les outils mobiles, l'analyse de l'IA, les méthodes participatives et la chaîne de blocs offrent chacun des avantages uniques, mais aucune n'est une panacée. Les systèmes de M&E les plus efficaces combinent plusieurs approches, s'adaptent aux contextes locaux et priorisent la participation et la protection des bénéficiaires.

Les parties prenantes, des donateurs aux organismes de mise en oeuvre aux gouvernements et aux collectivités locales, doivent collaborer pour surmonter les défis persistants que posent la protection des données, l'exclusion numérique et les lacunes en matière de capacités.