Arrêtez de collecter des données que personne n'utilise : comment concevoir un plan MEAL lean et purposeful

Il y a un schéma que je rencontre constamment dans les programmes humanitaires et de développement : un plan MEAL tellement chargé en indicateurs, sources de données et colonnes de reporting que personne, ni l'équipe terrain, ni le chef de projet, ni le point focal bailleur, ne peut vous dire à quoi il sert vraiment.

Le plan existe. Les données sont collectées. Et puis elles dorment dans un tableur que personne n'ouvre entre deux rapports bailleurs.

Ce n'est pas un problème d'outils ni de capacités. C'est un problème de conception. Et il est réparable, à condition d'être honnête face à une question inconfortable : Qui va utiliser ce point de données, et pour quelle décision ?

Pourquoi les plans MEAL finissent par déborder

La surcharge vient généralement des bonnes intentions. Les équipes ajoutent des indicateurs pour montrer aux bailleurs qu'elles sont exhaustives. Les coordinateurs reprennent les listes d'indicateurs de projets précédents. Les cadres logiques sont finalisés dans l'urgence, sans que personne ne se demande si telle variable est réellement mesurable avec les ressources disponibles.

Le MEAL Plan Toolkit d'EvalCommunity [1], fondé sur les standards de l'USAID, du FCDO et des agences onusiennes, formule une observation importante à ce sujet : les systèmes MEAL efficaces doivent garantir « un suivi continu des activités, résultats et effets du projet pour s'assurer que la mise en œuvre reste sur la bonne voie et que les problèmes sont identifiés tôt. » Notez ce que cela ne dit pas : ce n'est pas « suivre tout ce qui est possible ». C'est : suivre ce qui permet au programme de rester sur la bonne voie.

Cette distinction est capitale sur le terrain, où le temps de collecte est un coût réel, payé par des personnes réelles qui ont par ailleurs un travail opérationnel à mener.

⚠️ Attention : Chaque indicateur que vous ajoutez à un plan MEAL est un engagement, collecter, nettoyer, analyser, et agir. Si vous ne pouvez pas nommer qui agira dessus et comment, supprimez-le.

Le principe fondateur : chaque donnée doit avoir un propriétaire de décision

Voici la grille de lecture que j'encourage tout responsable MEAL à appliquer en révisant un plan : pour chaque indicateur, nommez la décision qu'il alimente.

Le guide d'ActivityInfo sur l'élaboration d'un plan MEAL [2] illustre cela de façon très claire. Dans leur exemple de cadre logique pour un programme de moyens de subsistance pour réfugiés, chaque indicateur est directement et explicitement rattaché à un niveau de résultat, l'objectif stratégique, les résultats intermédiaires, les extrants, et chacun dispose d'un moyen de vérification identifié. L'indicateur % de réfugiés ayant trouvé un emploi existe pour répondre à la question stratégique de savoir si les réfugiés accèdent réellement aux moyens de subsistance. L'indicateur # de réfugiés ayant participé à des formations professionnelles permet de suivre la livraison des extrants. Ils ne sont pas interchangeables, et aucun n'est redondant.

Cette rigueur est plus difficile à maintenir en pratique qu'il n'y paraît sur le papier. Mais elle est atteignable si vous construisez le plan MEAL à partir des décisions, et non à partir des activités.

Un filtre pratique : le test Décision-Apprentissage

Avant de finaliser un indicateur ou une activité de collecte, soumettez-le à ce test en deux questions :

1. Question de décision : Si ces données reviennent moins bonnes que prévu, qu'est-ce qui change ? Qui change quoi, et quand ?
2. Question d'apprentissage : Ces données vous aident-elles à comprendre pourquoi quelque chose a fonctionné ou non, d'une façon qui améliore la programmation future ?

Si la réponse honnête aux deux questions est « rien » ou « on ne sait pas trop », c'est un signal fort que l'indicateur est là pour les apparences, pas pour l'utilité.

La formation de ReliefWeb sur la mise en pratique du MEAL [3] présente un outil de planification à 9 colonnes qui structure ce type de réflexion, couvrant non seulement ce qu'on mesure, mais aussi comment, quand, par qui, et surtout, comment les données seront utilisées. Cette dernière colonne est celle que les équipes laissent systématiquement vide. Ne la laissez pas vide.

💡 Conseil : Ajoutez une colonne « Décision/Utilisation » à votre matrice d'indicateurs. Pour chaque ligne, rédigez une phrase décrivant la décision programmatique spécifique que cet indicateur alimente. Si vous ne pouvez pas l'écrire, l'indicateur n'a probablement pas sa place dans le plan.

C'est dans les données qualitatives que la surcharge est la pire

Les indicateurs quantitatifs sont plus faciles à scruter, si vous avez 47 indicateurs d'extrants, quelqu'un finira par le remarquer. Mais la collecte de données qualitatives est là où j'observe l'accumulation la plus désordonnée.

Des guides d'entretiens individuels semi-directifs (KII) qui couvrent 35 questions alors que 12 suffiraient. Des guides de focus groupes (FGD) qui abordent tout parce que « ça pourrait être utile ». Des questions ouvertes ajoutées à chaque questionnaire parce que quelqu'un pensait que ça apporterait de la profondeur.

Comme le souligne Bulus Sule Maina dans son article LinkedIn sur la collecte de données qualitatives en MEAL [4], les méthodes qualitatives efficaces requièrent une conception rigoureuse ancrée dans des questions d'évaluation spécifiques, pas une pêche au hasard. La collecte éthique des données exige aussi de la proportionnalité : vous demandez aux bénéficiaires de consacrer leur temps et de partager leurs expériences. Cette obligation doit vous rendre sélectif.

📝 Note : Les données qualitatives ne sont pas un supplément pour ajouter de la profondeur, c'est une méthodologie pour répondre à des questions précises que les chiffres ne peuvent pas élucider. Concevez-les comme telles.

À quoi ressemble concrètement un plan MEAL lean

Un plan MEAL lean n'est pas un plan MEAL court, c'est un plan purposeful. Voici ce qu'il contient :

1. Un nombre limité d'indicateurs par niveau de résultats, en général 1 à 3 par extrant, 1 à 2 par effet, 1 par objectif. Si chaque extrant a 6 indicateurs, quelque chose a mal tourné en amont dans la conception du cadre logique.
2. Des outils de collecte nommés pour chaque indicateur, pas « données du projet » comme fourre-tout, mais le formulaire, le registre ou l'instrument spécifique.
3. Une cartographie des flux de données, qui collecte quoi, quand, et par où les données transitent avant d'atteindre la personne qui doit agir.
4. Un agenda d'apprentissage, 3 à 5 questions explicites auxquelles le programme veut pouvoir répondre à mi-parcours ou en fin de projet, chacune traçable jusqu'à des activités de collecte spécifiques.
5. Un plan d'utilisation, des moments de revue planifiés (points de terrain hebdomadaires, revues de progrès mensuelles, sessions d'apprentissage trimestrielles) où les données sont effectivement discutées et où les décisions sont documentées.

La formation MEAL animée par des praticiens d'ELD Impact [5] formule un point avec lequel je suis pleinement d'accord : les bailleurs ne veulent pas seulement une collecte de données, ils veulent des preuves d'apprentissage. Les équipes qui se distinguent sont celles qui peuvent montrer que leurs données MEAL ont changé quelque chose, une approche de ciblage, un modèle de prestation de services, un mécanisme d'orientation.

Si votre cycle de reporting se termine par « données collectées et rapportées », vous n'êtes qu'à mi-chemin.

Si vous souhaitez transformer tout ceci en modèle de plan MEAL prêt à l'emploi, avec matrices d'indicateurs, colonne décision-utilisation et structure d'agenda d'apprentissage, c'est exactement le genre de chose que je peux construire avec vous sur vera.ignex.io.

Intégrer l'analyse et la restitution dans le système

Si les données restent inutilisées, c'est souvent parce que l'analyse n'est pas intégrée dans le plan. Elle est traitée comme quelque chose qui se passe à la fin, lors de l'évaluation, ou quand le rapport bailleur arrive à échéance.

Une reformulation utile, que reflète le webinaire MEAL Data Analysis for Effective Learning [6], consiste à considérer la mise en récit des données comme une fonction régulière, et non comme un livrable ponctuel. Que disent les données ce mois-ci ? Qu'est-ce qui est surprenant ? Qu'est-ce qu'on ne comprend pas encore ? Ces questions, posées régulièrement et délibérément, maintiennent le système MEAL vivant et utile entre les moments de reporting formels.

💡 Conseil : Intégrez une « conversation données » de 30 minutes dans votre réunion d'équipe mensuelle, non pas pour présenter des résultats, mais pour se demander : Que nous dit cette donnée que nous n'avons pas encore pris en compte ?

Par où commencer cette semaine

Si votre plan MEAL actuel est surchargé, vous n'avez pas besoin de tout reconstruire de zéro. Commencez ici :

1. Listez tous les indicateurs de votre plan actuel.
2. Pour chacun, rédigez une phrase décrivant la décision ou la question d'apprentissage à laquelle il répond.
3. Mettez en surbrillance tout ce pour quoi vous ne pouvez pas écrire cette phrase. Ce sont vos candidats à la suppression, au regroupement ou à la refonte.
4. Identifiez vos 3 à 5 questions d'apprentissage prioritaires pour la période de programmation.
5. Vérifiez que vos outils qualitatifs répondent directement à ces questions, et élaguez tout ce qui ne s'y rattache pas.

Un plan MEAL lean et purposeful n'est pas moins rigoureux qu'un plan surchargé. Il est plus rigoureux, parce que chaque élément peut être justifié, utilisé et défendu. C'est l'exigence à laquelle il vaut la peine de se tenir.

Follow Vera for more on MEL & project management: LinkedIn · Instagram · Facebook · X