Link Search Menu Expand Document
Boîte à outils gestion responsable de données

7.1 Le modèle de maturité de Care


TABLE DES MATIÈRES


🔗 Télécharger l’outil ici.

De quoi s’agit-il ?

Le texte présenté ici a été initialement publié sous le titre « Un modèle de maturité des données responsable pour les organisations à but non lucratif ».

En 2019, Linda Raftree a travaillé avec CARE pour développer un modèle de maturité responsable des données (RRDM : Responsible Data Maturity Model) visant à aider les organisations à évoluer vers une gestion des données plus responsable.

Le modèle de CARE identifie cinq niveaux de maturité des données responsables :

  • Inconscient : lorsqu’une organisation n’a pas du tout pensé aux données responsables.
  • Ad-Hoc : lorsque certains membres du personnel ou équipes soulèvent le problème ou font quelque chose par eux-mêmes, mais il n’y a pas d’institutionnalisation des données responsables.
  • En développement : lorsqu’il y a une certaine prise de conscience, mais que l’organisation commence seulement à mettre en place une politique, des lignes directrices, des procédures et une gouvernance.
  • Maîtrise : lorsque l’organisation a pris le sujet à cœur et mis en place un système et des politiques efficients, et aide ses partenaires à faire de même.
  • Diriger : lorsque l’organisation est considérée comme un leader des données responsables parmi ses pairs, donnant l’exemple de bonnes pratiques et influençant le domaine au sens large. Idéalement, une organisation serait proche de la « maîtrise » avant de se placer dans la phase de « leader ».

Ressource disponible en anglais uniquement.

Pourquoi cette ressource vous sera utile ?

Voici quelques exemples d’utilisations du RDMM :

  • En tant qu’outil de diagnostic ou de référence et de planification permettant aux organisations de voir où elles en sont actuellement, où elles aimeraient être dans 3 ou 5 ans et où elles doivent mettre davantage de soutien/de ressources.
  • En tant qu’outil d’évaluation, si vous recherchez une ligne de base/finale pour les approches organisationnelles des données responsables.
  • Dans des ateliers comme outil d’auto-évaluation participative pour 1) aider les gens à voir que le passage à une approche plus responsable des données est progressif et 2) pour identifier à quoi pourrait ressembler un état idéal possible. L’outil peut être adapté à ce qu’une organisation considère comme son état futur idéal.
  • Avec un contexte adapté, une « persona » (c’est-à-dire en se mettant à la place d’un groupe de personnes particulier au sein de l’organisation) ou une approche de flux de travail qui aide à identifier à quoi pourrait ressembler la maturité des données responsables pour un projet ou programme particulier ou pour un rôle particulier au sein d’une équipe ou d’une organisation. Par exemple, pour le siège par rapport à un bureau de pays, pour le conseil d’administration par rapport aux exécutants de première ligne. Cela pourrait également aider les organisations à identifier les parties des données responsables dont les différents postes ou équipes devraient être concernés et responsables.
  • En tant que feuille de route d’investissement pour le siège social, la direction ou les donateurs afin d’avoir une idée de l’investissement nécessaire pour atteindre la maturité des données responsables.
  • De toute autre manière à laquelle vous pourriez penser le RDMM est publié avec une licence Creative Commons qui vous permet de le modifier et de l’adapter à vos besoins.

Cette ressource est donc avant tout destinée aux équipes siège de l’organisation, souhaitant évaluer et/ou faire progresser leur niveau de maturité en gestion responsable des données.

Pourquoi cette ressource est-elle particulièrement intéressante ?

  • Permet de diviser les données responsables en éléments disparates pouvant être attribués à différentes parties d’une organisation ou à différents membres d’une équipe.
  • Permet de disposer d’indicateurs ou de « marqueurs » liés à la Data Responsable pouvant être intégrés dans l’ensemble d’une organisation.
  • Permet aux équipes et à la direction de voir que les données responsables sont un marathon et non un sprint et nécessiteront que plusieurs flux de travail soient traités au fil du temps avec l’implication de différents ensembles de compétences et de différentes parties de l’organisation (stratégie, opérations et informatique, juridique, programmes, S&E, innovations, RH, levée de fonds et partenariats, etc.)
  • Aide pour les équipes disposant de ressources limitées à voir comment progresser pas à pas sans se sentir obligées de faire des données responsables leur seul objectif.