2 Glossaire

TABLE DES MATIÈRES

• Données
• Culture des données
• Protection des données
• Données primaires
• Données secondaires
• Gestion de l’information
• Cycle de gestion des données
• Base de données
• Collecte des données
• Collecte de données sur mobile (« Mobile Data Collection - MDC »)
• Qualité des données
• Analyse des données
• Visualisation des données
• Infrastructure informatique
• Données personnelles
• Données sensibles
• SIG et cartographie
• Géodonnées
• ICT4D
• Veille stratégique (« Business Intelligence - BI »)
• Indicateur
• Agrégation de données

---

Données

Les données sont un élément autonome n’ayant été ni interprété, ni mis en contexte. Le regroupement de données par le traitement débouche sur de l’information. Par conséquent, les données doivent être interprétées comme étant à caractère informatif, et si cette information est utile, alors elle devient connaissance.

Il existe de nombreux types de données pouvant être convertis en information dans le secteur de la solidarité internationale. Les données quantitatives expriment une « quantité » spécifique, généralement numérique, et ont des unités. Par exemple, « le nombre de personnes dans un ménage » est une donnée quantitative (où l’unité est « personnes ») qui peut s’avérer utile pour déterminer le niveau de soutien nécessaire dans certains types de programmes humanitaires. Les données qualitatives sont plutôt axées sur les caractéristiques d’un élément et ne peuvent pas être exprimées en chiffres. Par exemple, les informations recueillies au cours d’entretiens ou discussions de type focus group qui peuvent ensuite aider à la conception de programmes humanitaires ou de développement.

Des informations complémentaires sur la définition des éléments fondamentaux concernant les données ont été publiées par le Centre mondial de préparation aux catastrophes (Global Disaster Preparedness Center, ou GDPC), ici.

Culture des données

On entend par culture des données la capacité de lire, d’utiliser et d’analyser, d’argumenter avec les données. Selon le CICR, la culture des données, ce sont « les compétences, les connaissances, les attitudes et les structures sociales de base nécessaires pour que différentes populations puissent utiliser les données ». La culture des données est une condition fondamentale et la première étape pour que les organisations utilisent les données afin de prendre des décisions fondées sur des données probantes. Ainsi, le renforcement de la culture des données au sein d’une organisation peut avoir une multitude d’avantages, allant de l’amélioration de la collaboration à l’augmentation de la performance et de l’efficacité, en passant par la promotion de la responsabilité et de la transparence.

Pour en savoir plus, CartONG publie une série de posts de blog pour accompagner les organisations dans leur appréhension du sujet, y compris une gamme de ressources que vous trouverez ici.

Protection des données

Par protection des données, on entend les processus, les systèmes et les pratiques utilisés pour prévenir la perte, la corruption ou l’accès aux informations par des parties non autorisées. Cela fait référence aux droits fondamentaux des individus : le droit à la protection des données découle du droit au respect de la vie privée.

Comme l’a déclaré le CICR, « la protection des données à caractère personnel est un aspect essentiel de la protection de la vie, de l’intégrité physique et morale et de la dignité des personnes » (Manuel sur la protection des données dans l’action humanitaire). Les nouvelles technologies ont permis un traitement plus facile et plus rapide des données à caractère personnel, ce qui génère des préoccupations quant à l’intrusion dans la vie privée. Dans le secteur de la solidarité internationale, les ONG collectent et traitent des données personnelles pour exercer des activités humanitaires et de développement. Toutefois, dans ces environnements où l’État de droit peut ne pas être pleinement appliqué, « la protection des données à caractère personnel des bénéficiaires et de leur personnel est nécessaire afin de préserver leur sécurité, leur vie et leur travail. » (CICR, Manuel sur la protection des données dans l’action humanitaire, pp 28-29).

Données primaires

Les données primaires sont des données qui ont été recueillies directement auprès de l’équipe de recherche afin de répondre à une ou plusieurs questions de recherche. La collecte des données primaires se fait lorsque les équipes de terrain recueillent des données directement auprès des bénéficiaires ou d’autres parties prenantes concernées. Parmi les exemples de données primaires dans le domaine du développement ou de projets humanitaires, on compte toutes les sources de données relatives au suivi et à l’évaluation (M&E) collectées par les équipes terrain M&E. Les données primaires peuvent être soit quantitatives (par exemple, les données recueillies au moyen d’enquêtes), soit qualitatives (par exemple, les données recueillies au moyen d’entretiens ou de discussions de type focus group).

Données secondaires

Les données secondaires sont des données qui ont été recueillies par des sources externes à l’équipe de recherche. Un examen des données secondaires peut être utilisé à de nombreuses fins, telles que la détermination de l’approche de la recherche, la formulation d’hypothèses et de questions de recherche, ou le triangulation des résultats élaborés par l’analyse des données primaires. Parmi les exemples de données secondaires dans le secteur de la solidarité internationale, on retrouve des rapports d’autres acteurs, ou des données ouvertes qui peuvent être analysées plus en détail par rapport aux populations affectées.

Gestion de l’information

On entend par gestion de l’information dans le secteur de la solidarité internationale les processus internes entrepris par une organisation pour la gestion des données programmes. Par conséquent, la gestion de l’information comprend toutes les étapes d’un « cycle de gestion des données » (voir la définition ci-dessous), à savoir tout ce qui est nécessaire pour produire et utiliser des données pour les programmes humanitaires et de développement. En somme, la gestion de l’information soutient les processus de prise de décisions via l’utilisation des données.

Un aperçu détaillé de la gestion de l’information en rapport avec des sujets connexes se trouve au chapitre 2 de l’étude réalisée par CartONG en 2020, ici.

Cycle de gestion des données

Le cycle de gestion des données décrit toutes les étapes spécifiques requises pour une gestion efficace de l’information. À ce titre, le cycle de gestion des données décrit les différents processus nécessaires à la production et à l’utilisation des données, facilitant ainsi la prise de décisions efficaces fondées sur des données probantes dans les activités humanitaires et de développement.

Base de données

Une base de données est « un outil qui stocke les données et permet de créer, lire, mettre à jour et supprimer les données d’une manière ou d’une autre » (ACAPS, 2013, p. 3). Généralement, la base de données est le fichier Excel que les équipes utilisent pour suivre leurs données de programme, mais elle peut prendre de nombreuses autres formes (du papier à une feuille Excel, en passant par un logiciel dédié, plus complexe). Les bases de données sont nécessaires pour la gestion de l’information et des données programmes, afin de fournir un emplacement de stockage pour les données de projet qui peuvent par la suite être facilement récupérées, mises à jour et analysées pour prendre des décisions fondées sur des preuves.

Un guide de conception de base de données a été produit par ACAPS en 2013, que l’on retrouvera ici (en anglais uniquement).

Collecte des données

On entend par collecte de données le processus d’assemblage de données par des méthodes qualitatives ou quantitatives (par exemple, les discussions de type focus group ou les enquêtes, respectivement). La collecte de données s’effectue après l’élaboration d’une approche de recherche et la création d’outils de collecte de données (p. ex., des outils d’enquête avec des questions pouvant mesurer précisément le sujet de la recherche). La collecte de données nécessite une certaine planification et la gestion de la logistique des équipes sur le terrain. Elle nécessite également de porter une attention particulière au « plan d’échantillonnage », à savoir un aperçu des données qui seront recueillies et par qui.

Collecte de données sur mobile (« Mobile Data Collection - MDC »)

On entend par collecte de données sur mobile l’utilisation de la technologie mobile (principalement les smartphones et les tablettes) pour recueillir des données. La collecte de données sur mobile peut être utilisée pour améliorer la qualité des données, des informations et de l’analyse, et par conséquent, de la prise de décisions. Elle est utilisée dans le secteur de la solidarité internationale depuis 2008, parallèlement à la disponibilité généralisée des appareils Android.

Il existe toute une panoplie d’outils que l’on peut utiliser et le choix de ceux sélectionnés par une organisation devrait reposer sur une gamme de facteurs spécifiques à différents besoins. Pour comparer les différents outils de collecte de données sur mobile, veuillez consulter le Benchmarking de solutions de collecte de données sur mobile produit par CartONG, ici.

La Boîte à outils MDC produite par CartONG et Tdh, qui fournit des informations sur toutes les étapes d’un projet de MDC, se trouve ici.

Qualité des données

Une méthode couramment employée pour définir la qualité des données est liée à leur « aptitude aux fins recherchées », à savoir la possibilité de s’en servir pour prendre des décisions axées sur les données. La qualité est un concept à multiples facettes qui comprend la pertinence, l’exactitude, le caractère opportun, l’accessibilité et la comparabilité des données.

La pertinence des données se rapporte à la mesure dans laquelle elles répondent aux besoins des utilisateurs. L’exactitude fait référence à la façon dont les données décrivent ce qu’elles essaient de mesurer. Le caractère opportun se rapporte au « degré d’actualité » des données, ce qui a une incidence sur la pertinence et l’exactitude. L’accessibilité fait référence à la facilité avec laquelle les données peuvent être obtenues. Enfin, la comparabilité des données fait référence à la possibilité de comparer et d’analyser les données par rapport à d’autres sources.

On trouvera plus d’informations et d’autres facettes de la qualité des données dans le Cadre pour l’Assurance de la Qualité de la plateforme globale de partage de données humanitaires développée par OCHA (HDX) (en anglais uniquement).

Analyse des données

On entend par analyse des données la mise en oeuvre de techniques appliquées aux données afin de découvrir des informations utiles et de soutenir la prise de décisions. Après la collecte de données, chaque élément de donnée distinct peut être rassemblé et, grâce à des techniques d’analyse de données, fournir des informations plus utiles. L’information qui est découverte par l’analyse peut alors être utilisée pour faciliter la prise de décision.

Vous trouverez un guide d’orientation pour l’analyse des données dans le secteur humanitaire produit par ACAPS ici (en anglais uniquement).

Visualisation des données

On entend par visualisation des données la représentation visuelle des informations produites par l’analyse des données. Une fois les données analysées pour découvrir des informations, elles peuvent être transformées en tableaux, diagrammes et graphiques pour être plus facilement comprises par un public plus large.

Pour améliorer vos compétences méthodologiques dans la production de visualisations de type graphique, veuillez consulter le Toolkit de visualisation des données, boîte à outils produite par Tdh et CartONG.

Infrastructure informatique

On entend par infrastructure informatique le matériel et les logiciels utilisés par une organisation, tels que les serveurs, les réseaux, les systèmes de sécurité, les supports, les logiciels métiers, etc. L’infrastructure informatique est nécessaire pour une gestion efficace de l’information, mais cette dernière ne relève pas seulement du personnel informatique (elle dépend du personnel programme). Toutefois, la gestion de l’information produit et utilise des données avec l’infrastructure informatique disponible.

Données personnelles

On entend par données personnelles toute information relative à une personne physique (ou « personne concernée » ) qui peut être identifiée directement ou indirectement. Plus précisément, il s’agit de :

• Un nom, une photo, une empreinte digitale ou un scan de l’iris ;

• Un numéro d’identification, un numéro d’employé ou un matricule interne ;

• Un numéro de téléphone ou de sécurité sociale ;

• Des données de localisation telles qu’une adresse postale ;

• Une adresse mail, un identifiant de connexion informatique, une adresse IP ;

• Un enregistrement vocal ;

• Une ou plusieurs caractéristiques propres à l’identité physique, physiologique, génétique, mentale, économique, culturelle ou sociale de cette personne physique.

Les informations personnellement identifiables

Également appelés « identifiants directs », les informations personnellement identifiables (IPI) sont des données personnelles spécifiques pouvant directement identifier un individu. Les IPI peuvent inclure des données telles que le nom, l’adresse ou le numéro de carte d’identité/passeport d’un enquêté. Toutes les données personnelles ne sont pas des IPI ; le « nombre de personnes dans le ménage » et le « revenu du ménage » sont des exemples de données personnelles qui ne sont pas des IPI, car elles sont des informations qui peuvent s’appliquer à de nombreux ménages.

Un aperçu des directives existantes sur la protection des données personnelles dans le cadre de l’action humanitaire se trouve dans la ressource sur la gestion responsable des données publiée par OCHA en 2019 (Data Responsibility Guidelines) (disponibles ici).

Données sensibles

On entend par données sensibles des données qui pourraient s’avérer dommageables si elles sont divulguées ou consultées sans autorisation appropriée. Il peut s’agir, par exemple, de données relatives à la santé, à la race ou à l’origine ethnique, ou à l’affiliation à des groupes religieux et/ou politiques. Les données sensibles peuvent nuire à une personne ou avoir un impact négatif sur la capacité d’une organisation à mener ses activités. Le travail humanitaire étant effectué dans des contextes divers, la sensibilité des données et les garanties appropriées doivent être déterminées sur une base contextuelle.

Un aperçu des directives existantes sur la protection des données personnelles dans le cadre de l’action humanitaire se trouve dans le Manuel sur la protection des données dans l’action humanitaire du CICR et les 2019 Data Responsibility Guidelines publiées par OCHA (en anglais uniquement).

SIG et cartographie

Un système d’information géographique (SIG) est un système de gestion de l’information qui comprend des données relatives aux positions sur la surface de la Terre. Le SIG est utilisé pour comprendre les schémas spatiaux et les relations entre les différentes variables par le biais de la cartographie. À ce titre, le SIG relie une base de données à une analyse géographique, ce qui offre des avantages supplémentaires en matière d’analyse.

Il existe de multiples applications des SIG aux secteurs humanitaires et de développement, avec quelques exemples présentés ici. En outre, CartONG a produit une boîte à outils SIG qui présente à la fois les applications des SIG dans le secteur humanitaire, ainsi que des tutoriels sur les applications SIG clés ici.

Géodonnées

Les géodonnées fournissent des informations sur les emplacements qui sont stockés dans un format utilisé par un système d’information géographique (SIG) (source : ArcGIS). La latitude et la longitude sont des exemples de géodonnées qui ont une référence spatiale. Les géodonnées peuvent être collectées à l’aide d’une gamme d’outils de collecte de données sur mobile (MDC). Les géodonnées offrent un large éventail de possibilités d’analyse qui peuvent être utilisées dans les activités humanitaires et de développement par le biais des SIG.

ICT4D

On entend par les Technologies de l’Information et de la Communication pour le développement (ICT4D) renvoient à « une pratique qui consiste à utiliser des technologies existantes pour aider les personnes pauvres et marginalisées dans les communautés en développement » (Catholic Relief Services). Parfois appelé « développement numérique » (Plan International), l’ICT4D fait référence aux solutions numériques utilisées au sein des programmes et permettant de fournir un soutien aux bénéficiaires cibles. Par comparaison, la technologie utilisée pour la gestion de l’information est davantage liée aux processus internes et organisationnels.

Pour citer quelques exemples, la Fondation Rockefeller et la FHI360 ont publié un inventaire des technologies numériques pour la résilience en Asie-Pacifique (Digital Technologies for Resilience in Asia-Pacific), ici (en anglais uniquement).

Veille stratégique (« Business Intelligence - BI »)

La Business Intelligence (BI) fait référence aux stratégies et technologies utilisées pour l’analyse des données, qui transforme ensuite les données en informations exploitables. Les outils de BI accèdent aux sources de données et présentent ces données dans des rapports, des résumés, des tableaux de bord, des graphiques et/ou des cartes. Les outils utilisés pour la BI dans le secteur humanitaire incluent Power BI, Tableau et R. Cependant, Excel est de loin le logiciel de BI le plus couramment utilisé grâce à son utilisation en tant que logiciel de base de données pour automatiser et créer des graphiques, diagrammes et tableaux.

L’objectif des solutions de BI est de fournir une image d’ensemble accessible concernant les données, comme base aux prises de décisions. On citera également comme exemples dans le secteur humanitaire l’utilisation de tableaux de bord qui intègrent le SIG et la cartographie.

Indicateur

Un indicateur est une variable (qui peut être quantitative ou qualitative) fournissant une mesure ou une description reflétant un changement, généralement lié à un projet ou un programme. Les indicateurs doivent être spécifiques, fiables et pertinents, précis et facilement interprétables. De plus, ils doivent être S.M.A.R.T. :

• Spécifique : l’indicateur n’est pas commun à plusieurs éléments mais il est spécifique uniquement à l’élément à observer ;

• Mesurable : les données relatives à l’indicateur doivent être disponibles ;

• Réalisable : le phénomène à observer doit être réalisable en termes de conditions de mise en œuvre du projet ;

• Réaliste : les données nécessaires doivent pouvoir être obtenues compte-tenu des ressources allouées pour la collecte des données ;

• Limité dans le temps : la période d’observation est clairement définie.

Agrégation de données

Tout processus dans lequel des informations sont recueillies et exprimées sous forme de résumé/de synthèse de plusieurs données, à des fins telles que l’analyse statistique. Un objectif courant de l’agrégation est d’obtenir plus d’informations sur des groupes particuliers en fonction de variables spécifiques telles que l’âge, la profession ou le revenu.