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 d'indicateurs, de sources de données et de colonnes de reporting que personne, ni l'équipe terrain, ni le chef de projet, ni le point focal bailleur, ne sait vraiment à quoi il sert. 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 corrigible, à condition d'accepter de se poser une question inconfortable : Qui va utiliser ce point de données, et pour quelle décision ? Pourquoi les plans MEAL finissent par gonfler Le surpoids vient souvent de bonnes intentions. Les équipes ajoutent des indicateurs pour montrer aux bailleurs qu'elles sont exhaustives. Les coordinateurs reprennent des listes d'indicateurs de projets précédents. Les cadres logiques sont finalisés sous pression calendaire, sans que personne ne s'arrête pour se demander si telle variable est réellement mesurable avec les ressources disponibles. Le MEAL Plan Toolkit d'EvalCommunity [1], construit sur les standards USAID, FCDO et agences ONU, fait une observation importante à ce sujet : les systèmes MEAL efficaces doivent assurer « un suivi continu des activités, des extrants et des effets du projet pour s'assurer que la mise en œuvre reste sur la bonne voie et pour identifier les problèmes rapidement ». Notez ce que cela ne dit pas : il ne dit pas "suivre tout ce qui est possible". Il dit suivre ce qui maintient le programme sur la bonne voie. Cette distinction compte énormément sur le terrain, où le temps de collecte de données est un coût réel, payé par des personnes réelles qui ont aussi, par ailleurs, à faire le travail du programme. ⚠️ Attention : Chaque indicateur que vous ajoutez à un plan MEAL est un engagement, collecter, nettoyer, analyser, et agir. Si vous n'êtes pas capable de 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 chaque chargé·e de MEAL à appliquer lors de la révision d'un plan : pour chaque indicateur, nommez la décision qu'il alimente. Le guide d'ActivityInfo sur l'élaboration d'un plan MEAL [2] en donne une illustration claire. Dans leur exemple de cadre logique pour un programme de moyens de subsistance pour les 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 désigné. L'indicateur % de réfugiés ayant accès à un emploi existe pour répondre à la question stratégique de savoir si les réfugiés accèdent effectivement à des moyens de subsistance. Le nombre de réfugiés participant à des formations professionnelles existe pour suivre la livraison des extrants. Ils ne sont pas interchangeables, et aucun des deux 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 en remontant depuis les décisions, plutôt qu'en descendant depuis les activités. Un filtre pratique : le test Décision-Apprentissage Avant de finaliser un indicateur ou une activité de collecte de données, passez-le par ce test en deux questions : Question de décision : Si cette donnée revient moins bonne que prévu, qu'est-ce qui change ? Qui change quoi, et quand ? Question d'apprentissage : Cette donnée permet-elle de comprendre pourquoi quelque chose a fonctionné ou non, d'une manière 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 la forme, pas pour l'utilité. La formation MEAL Planning in Practice de ReliefWeb [3] introduit un outil de planification en 9 colonnes qui structure ce type de réflexion, couvrant non seulement ce qu'il faut mesurer, mais comment, quand, par qui, et surtout, comment les données seront utilisées. C'est cette dernière colonne que les équipes laissent habituellement 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 éclaire. Si vous ne pouvez pas l'écrire, l'indicateur n'a probablement pas sa place dans le plan. Les données qualitatives : là où le surpoids est le pire Les indicateurs quantitatifs sont plus faciles à scruter, si vous en avez 47 en sortie, quelqu'un finira par le remarquer. Mais c'est dans la collecte de données qualitatives que j'observe l'accumulation la plus désordonnée. Des guides d'entretiens individuels semi-directifs qui couvrent 35 questions alors que 12 suffiraient. Des guides de focus group qui abordent tout parce que « ça pourrait être utile ». Des questions ouvertes ajoutées à chaque questionnaire parce que quelqu'un a pensé 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 exigent une conception rigoureuse ancrée dans des questions d'évaluation précises, pas une pêche aux informations. La collecte éthique des données exige aussi de la proportionnalité : vous demandez aux bénéficiaires de donner de leur temps et de partager leurs expériences. Cette obligation devrait vous rendre sélectif·ve. 📝 Note : Les données qualitatives ne sont pas un supplément pour « ajouter de la richesse », c'est une méthodologie pour répondre à des questions spécifiques que les chiffres ne peuvent pas traiter. Concevez-les comme telles. À quoi ressemble 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 : Un nombre limité d'indicateurs par niveau de résultat, en général 1 à 3 par extrant, 1 à 2 par effet, 1 par objectif. Si chaque extrant comporte 6 indicateurs, c'est qu'il y a un problème en amont dans la conception du cadre logique. Des outils de collecte nommés pour chaque indicateur, pas « données projet » comme fourre-tout, mais le formulaire, le registre ou l'instrument spécifique. Une cartographie des flux de données, qui collecte quoi, quand, et par où ça passe avant d'arriver à la personne qui doit agir. Un agenda d'apprentissage, 3 à 5 questions explicites auxquelles le programme veut pouvoir répondre à mi-parcours ou en fin de projet, chaque question étant traçable jusqu'à des activités de collecte spécifiques. Un plan d'utilisation, des moments de revue planifiés (points terrain hebdomadaires, revues de progrès mensuelles, sessions d'apprentissage trimestrielles) où les données sont réellement discutées et les décisions documentées. La formation MEAL de terrain d'ELD Impact [5] soulève un point avec lequel je suis entièrement d'accord : les bailleurs ne veulent pas seulement de la 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 conclut par « données collectées et rapportées », vous n'êtes qu'à mi-chemin. Si vous souhaitez transformer tout ceci en un modèle de plan MEAL prêt à l'emploi, avec matrice 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 narration des données dans le système L'une des raisons pour lesquelles les données ne sont pas utilisées, c'est que l'analyse n'est pas intégrée dans le plan. Elle est traitée comme quelque chose qui survient à la fin, lors de l'évaluation, ou quand le rapport bailleur est dû. Un recadrage utile, reflété dans le webinaire MEAL Data Analysis for Effective Learning [6], consiste à traiter la narration des données comme une fonction routinière, et non comme un livrable ponctuel. Que nous 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 formels de reporting. 💡 Conseil : Intégrez une « conversation données » de 30 minutes à votre réunion d'équipe mensuelle, pas pour présenter des résultats, mais pour vous 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 à le reconstruire de zéro. Commencez par là : Listez tous les indicateurs de votre plan actuel. Pour chacun, rédigez une phrase décrivant la décision ou la question d'apprentissage à laquelle il répond. Surlignez tout ce pour quoi vous ne pouvez pas écrire cette phrase. Ce sont vos candidats à la suppression, à la fusion ou à la refonte. Identifiez vos 3 à 5 questions d'apprentissage prioritaires pour la période programmatique. Vérifiez que vos outils qualitatifs correspondent directement à ces questions, et élaguez tout ce qui n'y contribue pas. Un plan MEAL lean et purposeful n'est pas moins rigoureux qu'un plan surchargé. Il l'est davantage, 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