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

Il y a un schéma que j'observe constamment dans les programmes humanitaires et de développement : un plan MEAL tellement surchargé d'indicateurs, de sources de données et de colonnes de reporting que personne, ni l'équipe de terrain, ni le chef de programme, 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 un problème de capacités. C'est un problème de conception. Et c'est corrigeable, à condition d'être honnête face à une question inconfortable : Qui va utiliser cette donnée, et pour quelle décision ? Pourquoi les plans MEAL finissent par déborder L'accumulation vient généralement de bonnes intentions. Les équipes ajoutent des indicateurs pour montrer aux bailleurs qu'elles sont rigoureuses. Les coordinateurs reprennent les listes d'indicateurs des projets précédents. Les cadres logiques sont finalisés dans l'urgence, sans que personne ne s'arrête pour se demander si telle variable est réellement mesurable avec les ressources disponibles. La boîte à outils MEAL Plan Toolkit d'EvalCommunity [1], fondée sur les normes de l'USAID, du FCDO et des agences ONU, formule une observation importante : les systèmes MEAL efficaces doivent assurer « un suivi continu des activités, des extrants et des résultats du projet pour s'assurer que la mise en œuvre reste sur la bonne voie et identifier les problèmes rapidement ». Remarquez ce que ça ne dit pas : pas de suivre tout ce qui est possible. Ça dit suivre ce qui maintient le programme sur la bonne voie. Cette distinction est cruciale sur le terrain, où le temps de collecte de données est un coût réel, supporté par des personnes réelles qui doivent par ailleurs mener le travail programmatique. ⚠️ 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·e chargé·e de suivi-évaluation 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] en donne une illustration claire. Dans leur exemple de cadre logique pour un programme de moyens de subsistance pour les réfugiés, chaque indicateur se rattache directement et explicitement à un niveau de résultat, l'objectif stratégique, les résultats intermédiaires, les extrants, et chacun dispose d'un moyen de vérification nommé. L'indicateur % de réfugiés en emploi existe pour répondre à la question stratégique de savoir si les réfugiés accèdent réellement aux 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 n'est redondant. Ce niveau de rigueur est plus difficile à maintenir en pratique qu'il n'y paraît sur le papier. Mais c'est atteignable si vous construisez le plan MEAL à rebours 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 de données, soumettez-le à ce test en deux questions : Question décision : Si cette donnée revient moins bonne que prévu, qu'est-ce qui change ? Qui le change, et quand ? Question apprentissage : Cette donnée aide-t-elle 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 MEAL Planning in Practice de ReliefWeb [3] introduit un outil de planification à 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. Cette dernière colonne est celle que les équipes laissent habituellement vide. Ne la laissez pas. 💡 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. Les données qualitatives : là où l'accumulation est la pire Les indicateurs quantitatifs sont plus faciles à scruter, si vous en avez 47 pour les extrants, quelqu'un finira par le remarquer. Mais c'est sur la collecte de données qualitatives que j'observe le plus d'accumulation sans boussole. Des guides d'entretiens individuels qui couvrent 35 questions quand 12 suffiraient. Des guides de groupes de discussion 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 nécessitent une conception rigoureuse ancrée dans des questions d'évaluation précises, et non une pêche aux informations. La collecte de données éthique exige aussi de la proportionnalité : vous demandez aux bénéficiaires de donner leur temps et de partager leurs expériences. Cette responsabilité devrait vous rendre sélectif. 📝 Note : Les données qualitatives ne sont pas un complément pour « ajouter de la profondeur », c'est une méthodologie pour répondre à des questions précises que les chiffres ne peuvent pas renseigner. Concevez-les en ce sens. À quoi ressemble un plan MEAL sobre

Un plan MEAL sobre n'est pas un plan court, c'est un plan ciblé. Voici ce qu'il contient : Un nombre limité d'indicateurs par niveau de résultat, typiquement 1 à 3 par extrant, 1 à 2 par effet, 1 par objectif. Si chaque extrant a 6 indicateurs, c'est que quelque chose a mal tourné en amont dans la conception du cadre logique. Des outils de collecte nommés pour chaque indicateur, pas « registres du projet » comme fourre-tout, mais le formulaire, le registre ou l'instrument spécifique. Une carte des flux de données, qui collecte quoi, quand, et où cela transite 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'aux activités de collecte de données correspondantes. Un plan d'utilisation, des moments de revue programmés (points de terrain hebdomadaires, revues mensuelles de progression, sessions d'apprentissage trimestrielles) où les données sont réellement discutées et les décisions documentées. ELD Impact's practitioner-led MEAL training [5] soulève 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 démarquent 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 de référencement. Si votre cycle de reporting se termine par « données collectées et reportées », vous n'êtes qu'à mi-chemin. Si vous souhaitez transformer tout cela en un modèle de plan MEAL prêt à l'emploi, avec une matrice d'indicateurs, une colonne décision-utilisation et une 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 mise en récit au système Si les données restent inutilisées, c'est souvent parce que l'analyse n'est pas intégrée au plan. Elle est traitée comme quelque chose qui arrive à la fin, au moment de l'évaluation, ou lorsque le rapport bailleur est dû. Un recadrage utile, reflété dans le webinaire MEAL Data Analysis for Effective Learning [6], consiste à traiter la mise en récit des données comme une fonction routinière, 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 formels de reporting. 💡 Conseil : Programmez 30 minutes de « conversation sur les données » dans votre réunion d'équipe mensuelle, non pas pour présenter des résultats, mais pour poser la question : Qu'est-ce que ces données nous disent 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 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 se rattachent directement à ces questions, et allégez tout ce qui n'y contribue pas. Un plan MEAL sobre et ciblé 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 qui vaut la peine de se tenir à elle. Follow Vera for more on MEL & project management: LinkedIn · Instagram · Facebook · X