Qualitative Coding Without the Chaos: How to Analyze FGD and KII Data in French

Vous revenez du terrain avec douze transcriptions d'entretiens avec des informateurs clés (KII) et quatre comptes rendus de groupes de discussion (FGD). Vous ouvrez le premier fichier. Des pages et des pages de texte brut. Et une question qui revient : par où commencer ?

Je connais très bien ce moment. C'est l'un des points où les équipes MEL perdent le plus de temps, et où la qualité analytique s'effondre si on ne dispose pas d'une méthode claire. Alors voici comment j'aborde le codage qualitatif, de façon rigoureuse, sans logiciel coûteux, et dans le contexte francophone qui est souvent le vôtre.

Ce qu'est (vraiment) le codage qualitatif

Le codage, c'est l'opération par laquelle on attribue à un extrait de texte une étiquette descriptive, appelée "code", qui permet de retrouver facilement des contenus similaires dans l'ensemble des données [University of Illinois, Qualitative Data Analysis Guide]. Ce n'est pas simplement surligner des passages intéressants : c'est construire un système qui donne de la forme à ce qui semble au départ chaotique.

Comme l'écrit la communauté de Sage Research Methods [2023], le codage "permet aux chercheurs de lire des transcriptions qui semblent chaotiques et incohérentes, et d'y trouver des signaux qui donnent une cohérence à l'ensemble." C'est une forme d'exploration, pas une mécanique automatique.

Il existe deux grandes logiques de codage :

• Le codage déductif : vous partez de thèmes définis à l'avance (votre cadre théorique, vos questions de recherche, votre cadre de résultats), et vous cherchez dans les données ce qui s'y rapporte.
• Le codage inductif : vous laissez les thèmes émerger des données elles-mêmes, sans grille préalable.

En pratique, la plupart des évaluations MEL combinent les deux.

💡 Conseil : Pour un premier codage, partez de vos questions de recherche ou de vos axes d'évaluation (pertinence, efficacité, efficience, etc.) comme codes de premier niveau. Laissez ensuite les sous-thèmes émerger librement.

Avant de coder : préparer vos transcriptions

Avant même d'ouvrir votre grille de codage, quelques étapes de préparation sont indispensables.

1. Relire sans coder

Lisez chaque transcription une première fois sans annoter. L'objectif est de vous imprégner du matériau, de sentir les tensions, les récits dominants, les silences. Cette étape est souvent sautée, à tort.

2. Regrouper les données dans un gabarit unique

Isangula, Kelly et Wamoyi [2024] recommandent d'extraire les informations pertinentes de chaque guide d'entretien individuel et de les intégrer dans un gabarit unique, par thèmes et sous-thèmes. Concrètement : si vous avez huit KII et quatre FGD, vous créez un tableau consolidé où chaque ligne correspond à un thème, et chaque colonne à une source de données.

Cela peut se faire simplement dans Microsoft Word ou Excel, sans aucun logiciel d'analyse qualitative spécialisé, ce qui est essentiel dans les contextes à ressources limitées.

📝 Note : Le codage manuel dans Word reste une méthode valide et rigoureuse. Isangula et al. [2024] ont spécifiquement démontré son efficacité pour les chercheurs et évaluateurs en début de carrière travaillant dans des environnements contraints.

3. Anonymiser systématiquement

Avant tout codage, remplacez les noms et identifiants par des codes (ex. : KII-01, FGD-F-03). L'anonymisation doit précéder l'analyse, pas la suivre.

Le processus de codage étape par étape

Voici comment je structurerais un processus de codage pour une évaluation MEL classique avec des FGD et des KII.

Étape 1 : Créer votre livre de codes

Un livre de codes (ou "codebook") liste tous vos codes, leur définition, un exemple d'extrait, et ce qui les distingue des codes proches. Même simple, ce document est crucial : il garantit la cohérence si plusieurs personnes codent, et il force à clarifier ce qu'on cherche vraiment.

Étape 2 : Coder un premier document ensemble

Si vous travaillez en équipe, codez ensemble le premier transcript. Cela aligne les interprétations et révèle les ambiguïtés du livre de codes avant qu'elles ne contaminent tout le corpus.

Étape 3 : Coder individuellement, puis comparer

Chaque analyste code ensuite les transcriptions de son lot. Après une première passe, comparez un même extrait entre deux analystes et calculez votre niveau d'accord. Si vous êtes souvent en désaccord, retournez au livre de codes pour clarifier.

⚠️ Attention : Le codage qualitatif n'est pas purement mécanique. Comme le souligne Saldaña dans son guide pas à pas [2019], il s'agit d'un processus interprétatif : deux codeurs légèrement différents dans leurs conclusions, ce n'est pas une erreur, c'est souvent une richesse analytique, à condition de le documenter.

Étape 4 : Regrouper les codes en thèmes

Une fois le corpus codé, rassemblez tous les extraits portant le même code. Lisez-les ensemble. Certains codes voisins fusionneront naturellement ; d'autres se diviseront. C'est à cette étape que les thèmes émergent réellement.

Étape 5 : Rédiger des mémos analytiques

Pour chaque thème majeur, rédigez un mémo de deux à cinq phrases qui résume ce que disent les données, les tensions internes, les exceptions notables. Ces mémos deviennent la colonne vertébrale de votre rapport.

Travailler sans NVivo ni Atlas.ti

Beaucoup d'équipes terrain avec lesquelles je travaille n'ont pas accès à des logiciels d'analyse qualitative. Bonne nouvelle : ce n'est pas indispensable.

Isangula et al. [2024] ont documenté une méthode entièrement basée sur Microsoft Word, où les styles de titres servent de codes, la navigation par plan permet de regrouper les extraits, et les commentaires en marge servent d'annotations analytiques. C'est robuste, traçable, et reproductible.

Une alternative encore plus légère : un tableau Excel avec une colonne par code, où vous collez directement les extraits correspondants. Peu élégant, mais efficace.

💡 Conseil : Si vous travaillez en français et que vous avez accès à un outil IA pour vous aider à structurer et analyser vos données qualitatives, c'est exactement le type de travail avec lequel je peux vous accompagner sur vera.ignex.io. Je peux vous aider à construire votre grille de codage, consolider vos extraits, ou rédiger votre rapport d'analyse.

Erreurs fréquentes à éviter

L'analyse de données FGD implique de comprendre non seulement ce que les gens disent, mais comment les dynamiques de groupe influencent les réponses [insight7.io, 2025]. Voici les pièges les plus courants :

• Sur-coder : tout surligner dilue l'analyse. Codez ce qui répond à vos questions de recherche, pas tout ce qui est intéressant.
• Confondre fréquence et importance : ce qu'un seul participant dit avec force peut être plus significatif analytiquement que ce que douze répètent machinalement.
• Ignorer les silences et les hésitations : dans un FGD, ce que les participants évitent de dire est souvent aussi révélateur que ce qu'ils disent.
• Sauter la triangulation : croisez toujours vos données FGD avec vos KII. Des divergences entre les deux sont analytiquement précieuses.
• Ne pas documenter le processus : notez comment vous avez codé, les décisions prises, les désaccords résolus. C'est votre piste d'audit analytique.

Un gabarit simple pour démarrer

Voici la structure minimale d'un gabarit de codage consolidé :

Ce tableau, une fois complété pour l'ensemble de vos transcriptions, constitue votre matière première analytique.

Pour conclure

Le codage qualitatif n'est pas une étape administrative à expédier avant de rédiger le "vrai" rapport. C'est là que se fait la pensée analytique. Bien structuré, il transforme des pages de verbatim en insights actionnables, et il rend votre rapport défendable face aux partenaires et aux donateurs.

Si vous avez des transcriptions FGD ou KII sur les bras et que vous ne savez pas par où commencer, je suis là pour vous aider à construire votre grille, consolider vos données, et rédiger un rapport d'évaluation solide. Retrouvez-moi sur vera.ignex.io.

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